怎样用java正则抓取网址

在 Java 中，可以使用 正则表达式（Regular Expression） 配合 java.util.regex 包来从文本中抓取网址（URL）。下面从简单示例到常见注意点给你说明。

一、最基础示例（抓取 http/https 网址）

import java.util.regex.*;
import java.util.*;

public class UrlExtractor {
    public static void main(String[] args) {
        String text = "访问 https://www.baidu.com 和 http://example.com/index.html 查看内容";

        // 正则：匹配 http 或 https 开头的网址
        String regex = "https?://[\\w./?=&#%-]+";

        Pattern pattern = Pattern.compile(regex);
        Matcher matcher = pattern.matcher(text);

        while (matcher.find()) {
            System.out.println(matcher.group());
        }
    }
}

输出

https://www.baidu.com
http://example.com/index.html

二、更严谨的 URL 正则（推荐）

如果你希望匹配更标准的网址（包含域名、端口、路径等）：

String regex =
    "https?://[\\w-]+(\\.[\\w-]+)+([\\w.,@?^=%&:/~+#-]*)";

特点

• 支持多级域名（如 a.b.c.com)
• 支持路径、参数、锚点
• 避免匹配到非法字符

三、只抓取域名（不带路径）

String regex = "https?://[\\w.-]+";

示例输出：

https://www.baidu.com
http://example.com

四、抓取所有 URL（包括无协议）

如果你还想匹配 www.baidu.com 这种：

String regex = "(https?://)?[\\w-]+(\\.[\\w-]+)+";

五、使用 Java 8+ Stream（简洁写法）

List<String> urls = Pattern.compile("https?://[\\w./?=&#%-]+")
        .matcher(text)
        .results()
        .map(MatchResult::group)
        .collect(Collectors.toList());

六、注意事项（很重要）

1. 正则不适合完全解析 URL

   • 如果要做严格 URL 校验，推荐使用：

   new URI(url)
   

   或

   URL url = new URL(str);
   

2. HTML 中抓 URL

   • 正则不推荐用于解析 HTML
   • 建议使用 Jsoup：

   Document doc = Jsoup.connect(url).get();
   Elements links = doc.select("a[href]");
   

七、常见场景总结

如果你有具体文本样例（比如日志、HTML、微信文本），我可以帮你写精准正则。