正则表达式提取URL的一部分

Question

今晚我有点懒，不想自己琢磨这个。我需要一个正则表达式来匹配以下输入中的'jeremy.miller'和'scottgu':

http://codebetter.com/blogs/jeremy.miller/archive/2009/08/26/talking-about-storyteller-and-executable-requirements-on-elegant-code.aspx

http://weblogs.asp.net/scottgu/archive/2009/08/25/clean-web-config-files-vs-2010-and-net-4-0-series.aspx

有什么想法？

编辑

Chris Lutz在满足上述要求方面做得非常好。如果以下是输入内容，那么您不能在正则表达式中使用“archive”，该怎么办？

 http://codebetter.com/blogs/jeremy.miller/
 http://weblogs.asp.net/scottgu/

- John Sheehan

---

如果有人想看这个问题的结果，请访问：http://managedassembly.com/New（在codebetter.com、weblogs.asp.net、devlicio.us、lostechnies.com等网站上查找帖子）。 - John Sheehan

Answer 1

这是你要找的吗？

'/([^/]+)/archive/'

在这两种情况下，捕获“archive”之前的片段。根据正则表达式的不同风格，您需要转义/才能使其起作用。或者，如果您不想匹配archive部分，您可以使用前瞻，但我不喜欢前瞻，而且更容易匹配大量内容并只捕获您需要的部分（在我看来），所以如果您喜欢使用前瞻来验证下一个部分是否为archive，您可以自己编写一个。

编辑：随着您更新问题，我对您想要的内容的想法变得模糊了。如果您想要一个新的正则表达式来匹配第二个案例，您可以像以前一样从结尾取出适当的部分，并具有相同的/条件：

'/([^/]+)/$'

如果您想要特定的文本jeremy.miller或scottgu，无论它们在URL中出现的位置如何，但只作为URL中的“单词”（即不包含scottgu2），请尝试以下内容，再次注意/限制：

'/(jeremy\.miller|scottgu)/'

作为第三种选择，如果您想要在域名后面添加字段，除非该字段是 "blogs"，否则情况会变得棘手，特别是带有 "/" 的情况：

'http://[^/]+/(?:blogs/)?([^/]+)/'

这将匹配域名，一个可选的blogs字段，然后是所需的字段。 (?:)语法是一个非捕获组，这意味着它就像普通括号一样，但不会捕获值，因此只捕获您想要的值。 (?:)在特定的正则表达式风格下有变化的风险。我不知道你要求的语言是什么，但我主要使用Perl，所以如果你使用PCRE，这个正则表达式应该基本上可以胜任。如果你使用的是其他语言，请了解非捕获组。

哇，这谈论了很多关于正则表达式的内容。我需要闭嘴并发布了。

- Chris Lutz

---

比我的好，回答更快，解释得很好。点个赞（也谢谢你的代码块评论）。 - drAlberT

到目前为止工作正常。编辑我的问题并添加了一个我没有考虑到的额外情况。 - John Sheehan

谢谢。你让我找对了方向。我动态创建了模式，注入了主机名（我已经提取出来了），然后可选地匹配/blogs/。最终结果是：{0}/(blogs/)*([^/]+)/，其中{0}将被主机名替换。感谢你的努力，你节省了我很多时间，并支持我的懒惰，我非常感激 :) - John Sheehan

程序员的三个主要美德是：懒惰、急躁和傲慢。- Larry Wall. - Chris Lutz

Answer 2

尝试这个：

/\/([\w\.]+)\/archive/

- RaYell

---

靠，你比我快了几秒钟。+1 - Chris Lutz

它是有效的。如果您正在使用该工具，则只需删除第一个和最后一个“/”。我在这里使用PERL符号来标记正则表达式的开头和结尾。 - RaYell

RaYell - 什么是PERL？我知道Perl是一种编程语言，而perl是该语言的解释器，但我不熟悉PERL。 - Chris Lutz