求一个比较好的分析URL的算法

tx-cary

一个象这样的URL：

1. 
   
2. 前面有文字scheme://user:pass@host:port/path?query后面也有文字
   

复制代码

怎样把URL比较完整的提取出来？论坛输入框也有这个功能，但是有时也会出错。我是用PHP的，不过有什么语言的都一样。

doubleelec

先不谈算法,首先解决一个问题:
从概念上如何判断前面的文字和后面的文字不是这个URL的一部分?

tx-cary

是啊，我的想法是只能用“蒙“了。
我的初步设想的算法是，以字符串"http://"或"ftp://”之类的为启动条件进行判断，以“.htm"、".html"、".php"、“/”等为结尾并且结尾后面不是”?"。

如果是问号的带参数怎么办呢？我还没有想到好的解决方法，因为参数有多长，是什么形式根本不懂。
只能寄希望于最后一个是空格，如果超过一定长度没有空格或非-可视ASCII码的话(也没有‘&’和‘=’的话)，就放弃问号后面的所有字符

lucifer

如果放弃问号后面所有字符，基本可以肯定是错误的。
到是可以考虑放弃问号后面的中文字符。因为通常用get方式传参数，都是用utf-8编码的。中文会表现为%xx%xx%xx的形式

lanche

最好是让输入的人在前后都以空格为界。

kj501

先搞清楚url编码的标准。

tx-cary

最初由 kj501 发表
先搞清楚url编码的标准。

就象本论坛的php程序也是有这种功能的啊，编码应该是通用吧。
只不过本论坛的url有时会分析错误。但是有这种效果我就满足了。