5分钟快速上手xurls4cj：完整介绍与首次使用教程，轻松实现文本URL提取

5分钟快速上手xurls4cj：完整介绍与首次使用教程，轻松实现文本URL提取

【免费下载链接】xurls4cj从文本中提取 URL项目地址: https://gitcode.com/Cangjie-SIG/xurls4cj

xurls4cj 是一个用仓颉（Cangjie）语言编写的 URL 提取库，通过正则表达式从任意文本中精准识别并提取 URL，还能识别电子邮箱地址和 IPv4/IPv6 格式的 IP 地址。对于正在学习仓颉语言、或需要在项目中做文本链接解析的开发者来说，它是开箱即用的文本 URL 提取工具。本文将在 5 分钟内带你完成它的安装、配置与首次使用。

xurls4cj 是什么？

xurls4cj 是一个轻量级的 Cangjie 开源库，核心目标只有一个：从杂乱文本中提取出所有有效的 URL。它的实现参考了成熟的设计思路，基于 RFC 3987（国际化 URI）和 RFC 4291（IPv6）标准，因此对 Unicode 域名、各类网络协议的兼容都非常扎实。

简单来说，给它一段话，它就能帮你把里面的链接、邮箱、IP 全部"挑"出来——无需自己手写复杂的正则表达式。

核心特性一览：为什么值得使用

🔹三种匹配模式，覆盖不同场景

• 严格匹配：只提取标准格式的 URL，拒绝"假链接"
• 模糊匹配：同时识别 URL、邮箱地址、IP 地址（IPv4/IPv6）
• 特定 scheme 匹配：只提取指定协议的 URL，如仅取https链接

🔹数据始终最新：项目引入了 AOT（Ahead-of-Time）编译机制，可实时从官网更新 URL scheme 列表和 TLD（顶级域名）数据，匹配规则永远跟得上互联网的变化。

🔹Unicode 友好：支持中文字符在内的国际化域名匹配，具体允许的 Unicode 字符范围定义在 unicode.cj 中。

🔹零配置开箱即用：仓库中已包含预生成的 scheme 与顶级域名数据，拿到即可编译使用。

快速引入 xurls4cj：依赖配置一步到位

使用 xurls4cj 前，请先安装仓颉语言开发环境（已验证通过的版本：Cangjie 0.53.18）。

方式一：作为依赖引入（推荐）

在你的仓颉项目配置文件cjpm.toml的依赖区添加一行：

[dependencies] xurls4cj = { git = "https://gitcode.com/Cangjie-SIG/xurls4cj" }

然后执行：

cjpm update cjpm build

方式二：直接克隆仓库研究源码

git clone https://gitcode.com/Cangjie-SIG/xurls4cj

💡 项目配置见 cjpm.toml，当前稳定版本为 1.1.0，变更历史可查阅 CHANGELOG.md。

首次使用教程：三种匹配模式实战

导入库后，所有函数直接可用：import xurls4cj.*。下面用最短的示例看懂三种模式。

1. 严格匹配：只提取标准 URL

strict返回第一个标准 URL，strictAll返回全部：

import xurls4cj.* main(): Int64 { let text = "访问 https://example.com 或 http://test.org" println(strict(text)) // https://example.com println(strictAll(text)) // [https://example.com, http://test.org] return 0 }

注意：对于abc://test这类无效协议，严格模式会返回空字符串——这正是"严格"的价值。

2. 模糊匹配：URL、邮箱、IP 一网打尽

relaxed和relaxedAll会按标准 URL > 部分 URL > 邮箱 > IP 地址的优先级依次识别：

import xurls4cj.* main(): Int64 { let text = "邮件 [e-mail]，服务器 172.16.254.1" println(relaxedAll(text)) // [www 类域名, [e-mail], 172.16.254.1, ...] return 0 }

解析日志、提取联系邮箱、排查网络地址？一个函数全搞定。

3. 特定 scheme 匹配：只要某一种协议

strictMatchingScheme与strictMatchingSchemeAll支持所有 IANA 注册的 scheme（完整列表见 schemes.cj）：

import xurls4cj.* main(): Int64 { let text = "下载 ftp://ftp.example.com/file.zip，主页 https://secure-site.org" println(strictMatchingScheme("https", text)) // https://secure-site.org return 0 }

接口速查表：6 个函数一次看懂

完整接口文档见 doc/feature_api.md。核心源码位于 xurls.cj：

函数	匹配模式	返回内容	适用场景
strict	严格	第一个标准 URL	取首个有效链接
strictAll	严格	全部标准 URL	批量提取链接
relaxed	模糊	第一个 URL/邮箱/IP	快速探测
relaxedAll	模糊	全部 URL/邮箱/IP	日志分析、联系人提取
strictMatchingScheme	指定 scheme	第一个匹配 URL	只取 https 等特定协议
strictMatchingSchemeAll	指定 scheme	全部匹配 URL	按协议分类提取

💡 小规律：函数名带All的返回列表ArrayList<String>，不带All的返回单个字符串String，没有匹配时分别返回空列表和空字符串。

项目结构速览：数据从哪里来

xurls4cj 的"聪明"很大程度来自内置的最新数据：

• schemes.cj —— URL 协议列表（来自 IANA URI Schemes）
• tlds.cj —— 顶级域名列表（来自 IANA TLDs）
• tlds_pseudo.cj —— 伪顶级域名（如co.uk，来自 Public Suffix List）
• unicode.cj —— 允许的 Unicode 字符范围
• xurls.cj —— 核心正则匹配引擎
• xurls_test.cj —— 覆盖大量边界场景的测试用例
• feature_api.md —— 接口文档

仓库会定期更新这些数据文件，正常情况下无需手动干预。如果你希望编译时始终拉取官网最新数据，可参考 README.md 中"构建脚本（可选）"一节的说明。

总结：5 分钟收获一个可靠的 URL 提取工具

回顾一下刚才走过的路径：

1. ✅ 在cjpm.toml中添加依赖并执行cjpm update && cjpm build
2. ✅import xurls4cj.*导入库
3. ✅ 按场景选择strict/relaxed/strictMatchingScheme系列函数

xurls4cj 以最小的学习成本，把"从文本中提取 URL、邮箱、IP"这件常见但易踩坑的事变成了一次函数调用。无论你是做爬虫数据清洗、日志分析，还是想深入学习仓颉语言的正则应用，它都是一个值得放进工具箱的实用选择 🎯

【免费下载链接】xurls4cj从文本中提取 URL项目地址: https://gitcode.com/Cangjie-SIG/xurls4cj