正则提取协议内容需先识别http://、https://、ftp://等前缀，用https?://或(https?|ftps?|file|mailto):\/\/?匹配，再以非贪婪方式捕获后续域名路径，如https?://[^s"')]]+，并推荐添加字边界锚点防误匹配。
正则提取协议内容，关键是明确协议特征（如 http://、https://、ftp:// 等开头），再用匹配规则捕获完整URL或特定段。
识别常见协议前缀
主流协议通常以字母加 :// 结尾，例如：http://、https://、ftp://、file://、mailto:（注意无双斜杠）。正则中可用字符组或分支匹配这些前缀：
- `https?://` —— 匹配 http 或 https（? 表示前面的 s 可有可无）
- `ftps?://` —— 匹配 ftp 或 ftps
- `(https?|ftps?|file|mailto)://?` —— 合并多个协议，注意 mailto 后是单冒号，/? 让第二斜杠可选
提取完整协议链接
要捕获整个有效链接，需在协议后接域名和路径。推荐使用非贪婪匹配直到空格、换行或标点（如 )、。、"）：
- `https?://[^s"')]]+` —— 匹配以 http(s):// 开头、后续不含空白和常见分隔符的字符串
- 实际使用时建议加字边界锚点防止误匹配：`(?]+(?!w)`
- 例如在文本 访问 https://example.com/path?x=1。了解更多 中，能准确提取出 https://example.com/path?x=1
只提取协议名（不带 URL）
如果只需要协议类型（如 https），可用捕获组单独提取协议部分：
- `(https?|ftps?|file|mailto)(?=:/{0,2})` —— 利用正向先行断言确保后面紧跟着 : 和最多两个 /
- 对字符串 Download via ftp://server/file.zip，该正则返回 ftp
- 注意避免匹配到单词内部（如 httpscheme），可加词边界：(https?|...)
处理中文或特殊环境下的协议串
若原始文本含中文括号、全角符号或换行干扰，需放宽分隔符限制，并启用 Unicode 模式（如 Python 的 re.UNICODE 或 JS 的 u 标志）：
- 允许中文顿号、句号、换行作为结束：`https?://[^u4e00-u9fa5s"')]，。！？ ]+`
- 在 Python 中使用：re.findall(r'https?://[^s"')] ]+', text, re.UNICODE)
- 注意全角空格（u3000）也要纳入排除范围，否则可能截断失败
