Få fat i uri's i en string.

det er nok ogsaa nemmest med regex i Java !

Ja, men jeg forstår ikke regex i Java, det virker ret anderledes end fra perl?

I perl ville jeg lave noget ala, men har ingen ide om hvordan det sku se ud i Java.

$URIChars='(?:[=%][0-9a-f]{2}|\#\&\d{1,3};?|[0-9a-z\-\_\.\@]|\=(?:\015?\012|\015))';

while ($b=~/(?:https?|ftp)[\041-\176]{0,3}\:\/{1,3}($URIChars+)|((?:www|ftp)\.$URIChars+)/gi) {

  $uri=$1 || $2;
  # RFC 2821, section 4.5.2, 'Transparency': delete leading period char
  $uri=~s/\=(?:\015?\012|\015)\.?//g;
  $uri=~s/[=%]([0-9a-f]{2})/chr(hex($1))/gie;
  $uri=~s/&#(\d{1,3});?/chr($1)/ge;
  $uri=~tr/;//d;
}

jeg kan slet ikke gennemskue den regex

men her er noget Java kode som kører på en meget simpel regex:

import java.util.regex.*;

public class UrlParse {
  private static Pattern p = Pattern.compile("(http|ftp|https)://[a-z0-9\\-]+(\\.[a-z0-9\\-]+)+(/[A-Za-z0-9_\\-\\.]*)*");
  public static void main(String[] args) throws Exception {
      String s = "abc http://www.xxx.dk def https://www.xxx.dk ghi ftp://ftp.xxx.dk jkl http://www.xxx.dk/ 123  http://www.xxx.dk/dir/ 456  http://www.xxx.dk/dir/fil.html 789  http://www.xxx.dk/dir/subdir/fil.html slut";
      Matcher m = p.matcher(s);
      while (m.find()) {
        System.out.println(m.group(0));
      }
  }
}

(?:...) for ikke at capture grupper og {m,m} for at angive antal interval virker
også i Java

Hehe, det var måske også lige en voldsom nok regexp. Jeg prøver lige at lege med dit eksempel, og så vender jeg tilbage.

arne_v kunne du ikke lige prøve at beskrive det regex :)  jeg skal på 4 sem. og prøver stadig at forstår dem.

Jeg er med landt ... at  ftp | http(s)  skal være der .. derefter må alle bogstaver fra  a-z være der og 0-9  ( alle tal)  men så begynder den også at falde.  alt det med \\-  og +  .... + en masse mere :)  det kan jeg ikke lige gemmenskue :)

// dennis

(http|ftp|https) en af de 3 protokoller
:// as is
[a-z0-9\\-]+ et eller flere tegn mellem [] og \\ foran - er kun for at escape
(\\.[a-z0-9\\-]+)+ er et eller flere forekomster af et punktum efterfulgt af et eller flere tegn mellem []
(/[A-Za-z0-9_\\-\\.]*)* er ingen til mange forekomster af en / efter fulgt af ingen til mange tegn mellem []

OK ?

Tro lidt tråden er død.
Men tak for en beslrivelse af de pattern's man kan bruge i forfindelse med check :)

// Dennis

Hov, havde helt glemt at bede om et svar. Det virker selvfølgelig perfekt. Tak for det :)