Возможный дубликат:
Какие символы делают URL недействительным?
Я пытаюсь удалить не-URL часть большой строки. Большинство регулярных выражений, которые я нашел, похожи на [A-Za-z0-9-_.!~*'()], Но есть и другие вещи, которые может содержать URL. Например, http://127.0.0.1:8080/test?v=123#this
Каковы последние символы для действительного URL?
Все подробности можно найти в текущем RFC по теме: RFC 3986 (универсальный идентификатор ресурса (URI): общий синтаксис)
На основании этого соответствующий ответ, вы смотрите на список, который выглядит как: AZ, az, 0-9, -, . , _, ~, :, / ? , #, [, ], @ ! , $, &, ', (, ), *, +, ,, ; , % и =. Все остальное должно быть в кодировке URL. Кроме того, некоторые из этих символов могут существовать только в очень определенных точках в URI, и за пределами этих точек должна быть закодирована URL (например, % может использоваться только в сочетании с кодировкой URL, как в %20), в RFC есть все эти специфика.