正規表現でURLを抽出したいと思っています。

質問

お世話になります。
SPAMメール対策のため、フィルタ用のURLリストを作りたいと思っています。
秀丸にエクスポートした多数のSPAMメールの本文内から「http」で始まるURLを抜き出し、置換したいと思うのですがうまくいきません。

^[^(http)].*$

で置換すればよいのかと思いましたが
文字列の否定はできないようです。

お知恵を貸して頂けると幸いです。
宜しくお願い致します。

回答No.1

Dpop · ベストアンサー

URLを抽出すれば良いのですよね？

実は、URLの抽出って非常に難しいのです。
あまり一般には知られていない様なオーブションが、いろいろとあるためなのですよね。。

一般的なURLであれば、

^https?://.+/(.+/)*$

で、指定した事になります。
秀丸の使い方は良く知りませんが。。
Perlであれば、

$_ =~ s|^https?://.+/(.+/)*$||g;

の様にすれば、URLを削除した事になりまあ。

もっと、本格的なURLを抽出するのであれば、

http://www.din.or.jp/~ohzaki/perl.htm#URI

を参考にしてみて下さい。

お礼

お返事ありがとうございます。ただ、秀丸では使えないようで、Grepで抽出してリストを作成することにしました。教えて頂いたURLで勉強したいと思います。