获取URL的一部分(正则表达式)
给定URL(单行)：
http://test.example.com/dir/subdir/file.html
如何使用正则表达式提取以下部分：
- 子域(测试)
- 域(example.com)
- 没有文件的路径(/ dir / subdir /)
- 文件(file.html)
- 文件的路径(/dir/subdir/file.html)
- 不含路径的网址(http://test.example.com)
- (添加我们认为有用的其他任何内容)
即使输入以下URL，该正则表达式也应能正常工作：
http://example.example.com/example/example/example.html
谢谢你。
解决方案
回答
A single regex to parse and breakup a full URL including query parameters and anchors e.g. https://www.google.com/dir/1/2/search.html?arg=0-a&arg1=1-b&arg3-c#hash ^((http[s]?|ftp):\/)?\/?([^:\/\s]+)((\/\w+)*\/)([\w\-\.]+[^#?\s]+)(.*)?(#[\w\-]+)?$ RexEx positions: url: RegExp['$&'], protocol:RegExp., host:RegExp., path:RegExp., file:RegExp., query:RegExp., hash:RegExp.
然后，我们可以轻松地进一步解析主机(以"。"分隔)。
我要做的是使用这样的东西：
/*
^(.*:)//([A-Za-z0-9\-\.]+)(:[0-9]+)?(.*)$
*/
proto
host
port
the-rest
进一步分析"其余"尽可能具体。在一个正则表达式中这样做有点疯狂。
回答
这不是直接的答案，但是大多数Web库都具有完成此任务的功能。该函数通常被称为类似于" CrackUrl"的东西。如果存在这样的功能，请使用它，几乎可以保证它比任何手工编写的代码都更加可靠和高效。
回答
请尝试以下方法：
^((ht|f)tp(s?)\:\/\/|~/|/)?([\w]+:\w+@)?([a-zA-Z]{1}([\w\-]+\.)+([\w]{2,5}))(:[\d]{1,5})?((/?\w+/)+|/?)(\w+\.[\w]{3,4})?((\?\w+=\w+)?(&\w+=\w+)*)?
它支持HTTP / FTP，子域，文件夹，文件等。
我从Google的快速搜索中找到了它：
http://geekswithblogs.net/casualjim/archive/2005/12/01/61722.aspx
回答
子域和域很困难，因为子域可以包含多个部分，顶级域http://sub1.sub2.domain.co.uk/
the path without the file : http://[^/]+/((?:[^/]+/)*(?:[^/]+$)?) the file : http://[^/]+/(?:[^/]+/)*((?:[^/.]+\.)+[^/.]+)$ the path with the file : http://[^/]+/(.*) the URL without the path : (http://[^/]+/)
(Markdown对正则表达式不是很友好)
回答
使用http://www.fileformat.info/tool/regex.htm，hometoast的正则表达式效果很好。
但是这很重要，我想在程序中的不同情况下使用不同的正则表达式模式。
例如，我有这个URL，并且我有一个枚举列出了程序中所有受支持的URL。枚举中的每个对象都有一个方法getRegexPattern，该方法返回正则表达式模式，然后将其用于与URL比较。如果特定的正则表达式模式返回true，那么我知道我的程序支持此URL。因此，每个枚举都有自己的正则表达式，具体取决于它在URL中的位置。
Hometoast的建议很好，但就我而言，我认为这无济于事(除非我在所有枚举中复制粘贴相同的正则表达式)。
这就是为什么我想要答案分别针对每种情况给出正则表达式的原因。虽然为家庭敬酒+1. ;)
回答
我知道我们在声称与语言无关，但是可以告诉我们我们在使用什么，以便我们知道我们拥有哪些正则表达式功能吗？
如果我们具有非捕获匹配的功能，则可以修改hometoast的表达式，以便对捕获不感兴趣的子表达式进行如下设置：
(？：SOMESTUFF)
我们仍然必须将Regex复制并粘贴(并稍加修改)到多个位置，但这是有道理的-我们不仅要检查子表达式是否存在，还要检查它是否作为URL的一部分存在。对子表达式使用non-captureing修饰符可以为我们提供所需的内容，仅此而已，如果我正确地阅读了内容，这就是我们想要的。
就像一个很小的音符一样，hometoast的表达不需要在" s"的括号中加上" https"，因为他在那里只有一个字符。量词量化直接在它们前面的一个字符(或者字符类或者子表达式)。所以：
https？
可以匹配" http"或者" https"。
回答
Java提供了可以执行此操作的URL类。查询URL对象。
附带说明一下，PHP提供了parse_url()。
回答
我发现投票率最高的答案(hometoast的答案)对我而言并不完美。两个问题：
- 它无法处理端口号。
- 哈希部分损坏。
以下是修改后的版本：
^((http[s]?|ftp):\/)?\/?([^:\/\s]+)(:([^\/]*))?((\/\w+)*\/)([\w\-\.]+[^#?\s]+)(\?([^#]*))?(#(.*))?$
零件位置如下：
int SCHEMA = 2, DOMAIN = 3, PORT = 5, PATH = 6, FILE = 8, QUERYSTRING = 9, HASH = 12
匿名用户发布的编辑：
function getFileName(path) {
return path.match(/^((http[s]?|ftp):\/)?\/?([^:\/\s]+)(:([^\/]*))?((\/[\w\/-]+)*\/)([\w\-\.]+[^#?\s]+)(\?([^#]*))?(#(.*))?$/i)[8];
}
回答
/^((?P<scheme>https?|ftp):\/)?\/?((?P<username>.*?)(:(?P<password>.*?)|)@)?(?P<hostname>[^:\/\s]+)(?P<port>:([^\/]*))?(?P<path>(\/\w+)*\/)(?P<filename>[-\w.]+[^#?\s]*)?(?P<query>\?([^#]*))?(?P<fragment>#(.*))?$/
根据我对类似问题的回答。由于存在一些错误(例如，不支持用户名/密码，不支持单字符文件名，片段标识符被破坏)，因此它们比其他提到的工具工作得更好。
回答
regexp以获取不带文件的URL路径。
url ='http：// domain / dir1 / dir2 / somefile'
url.scan(/ ^(http：// [^ /] +)((？：/ [^ /] +)+(？= /))？/？(？：[^ /] +)？$ / i).to_s
将相对路径添加到此url可能很有用。
回答
我们可以使用.NET中的Uri对象获取所有http / https，主机，端口，路径以及查询。
唯一困难的任务是将主机分为子域，域名和TLD。
没有标准这样做，不能简单地使用字符串解析或者RegEx来产生正确的结果。首先，我使用RegEx函数，但并非所有URL都能正确解析该子域。练习方法是使用TLD列表。在定义了URL的TLD之后，左侧部分是域，其余部分是子域。
但是，该列表需要维护，因为可以使用新的TLD。我知道的当前时间是publicsuffix.org，它维护着最新的列表，我们可以使用Google代码中的域名解析器工具来解析公共后缀列表，并通过使用DomainName对象轻松地获取子域，域和TLD：domainName.SubDomain，domainName .Domain和domainName.TLD。
这个答案也有帮助：
从URL获取子域
卡伦·梅兰
回答
我建议不要使用正则表达式。像WinHttpCrackUrl()这样的API调用不太容易出错。
http://msdn.microsoft.com/zh-cn/library/aa384092%28VS.85%29.aspx
回答
此改进的版本应与解析器一样可靠地工作。
// Applies to URI, not just URL or URN:
// http://en.wikipedia.org/wiki/Uniform_Resource_Identifier#Relationship_to_URL_and_URN
//
// http://labs.apache.org/webarch/uri/rfc/rfc3986.html#regexp
//
// (?:([^:/?#]+):)?(?://([^/?#]*))?([^?#]*)(?:\?([^#]*))?(?:#(.*))?
//
// http://en.wikipedia.org/wiki/URI_scheme#Generic_syntax
//
// $@ matches the entire uri
// matches scheme (ftp, http, mailto, mshelp, ymsgr, etc)
// matches authority (host, user:pwd@host, etc)
// matches path
// matches query (http GET REST api, etc)
// matches fragment (html anchor, etc)
//
// Match specific schemes, non-optional authority, disallow white-space so can delimit in text, and allow 'www.' w/o scheme
// Note the schemes must match ^[^\s|:/?#]+(?:\|[^\s|:/?#]+)*$
//
// (?:()(www\.[^\s/?#]+\.[^\s/?#]+)|(schemes)://([^\s/?#]*))([^\s?#]*)(?:\?([^\s#]*))?(#(\S*))?
//
// Validate the authority with an orthogonal RegExp, so the RegExp above won’t fail to match any valid urls.
function uriRegExp( flags, schemes/* = null*/, noSubMatches/* = false*/ )
{
if( !schemes )
schemes = '[^\s:\/?#]+'
else if( !RegExp( /^[^\s|:\/?#]+(?:\|[^\s|:\/?#]+)*$/ ).test( schemes ) )
throw TypeError( 'expected URI schemes' )
return noSubMatches ? new RegExp( '(?:www\.[^\s/?#]+\.[^\s/?#]+|' + schemes + '://[^\s/?#]*)[^\s?#]*(?:\?[^\s#]*)?(?:#\S*)?', flags ) :
new RegExp( '(?:()(www\.[^\s/?#]+\.[^\s/?#]+)|(' + schemes + ')://([^\s/?#]*))([^\s?#]*)(?:\?([^\s#]*))?(?:#(\S*))?', flags )
}
// http://en.wikipedia.org/wiki/URI_scheme#Official_IANA-registered_schemes
function uriSchemesRegExp()
{
return 'about|callto|ftp|gtalk|http|https|irc|ircs|javascript|mailto|mshelp|sftp|ssh|steam|tel|view-source|ymsgr'
}
回答
遗憾的是，这不适用于某些URL。以这个为例：http://www.example.org/&value=329
＆value = 329也不
甚至根本没有任何参数(简单的URL)！
我知道正则表达式期望使用一些非常复杂/长的URL，但是它也应该能够在简单的URL上工作，对吗？
