非常简单的正则表达式问题

Question

我有一个非常简单的正则表达式问题。假设我有两个条件：

1. url =http://www.abc.com/cde/def
2. url =https://www.abc.com/sadfl/dsaf

如何使用正则表达式提取baseUrl？

示例输出：

1. http://www.abc.com
2. https://www.abc.com

- Sunil

---

这看起来就像是作业。 - Gyom

好的，我将尽力进行翻译。@Gyom 这根本不像作业。 - Michael Mrozek

Answer 1

就像这样：

String baseUrl;
Pattern p = Pattern.compile("^(([a-zA-Z]+://)?[a-zA-Z0-9.-]+\\.[a-zA-Z]+(:\d+)?/");
Matcher m = p.matcher(str); 
if (m.matches())
    baseUrl = m.group(1);

然而，你应该使用 URI 类，像这样：

URI uri = new URI(str);

- SLaks

---

感谢您的快速回复，但它给出了 https://www.abc.com 和 sadfl，是否可能只提供第一个 https://www.abc.com？ - Sunil

这个在页面源代码中不起作用。假设我在谷歌上搜索一个字符串“sun”，它会给出20个链接，我想获取所有网站的基本URL，但是在HTML页面的页面源代码上无法实现。有什么改变可以让它在页面源代码上起作用吗？谢谢。等待回复。 - Sunil

移除 ^，这个符号将正则表达式锚定在字符串的开头。然后你可以循环遍历每一个匹配。 - SLaks

Answer 2

一行不使用正则表达式的代码：

String baseUrl = url.substring(0, url.indexOf('/', url.indexOf("//")+2));

- Andreas Dolk

---

谢谢您的回答，但我想使用正则表达式。 - Sunil

Answer 3

/^(https?\:\/\/[^\/]+).*/$1/

这将捕获任何以http开头的内容，$1将包含从开头到//后第一个/之间的所有内容。

- Matt S

Answer 4

除了编写并丢弃的脚本外，您应该始终避免使用正则表达式解析复杂的语法（如电子邮件地址、URL、HTML页面等等）。

相信我，您最终一定会受到影响。

- Gyom

Answer 5

我很确定有一个Java类可以允许路径操作，但如果必须使用正则表达式，

https?://[^/]+

这将起作用。（包括s?以处理https：）

- Tim Pietzcker

Answer 6

看起来解决你的两个具体例子最简单的方法是使用这个模式：

[^/]_//[^/]+

即：非斜杠（0次或多次），两个斜杠，非斜杠（0次或多次）。如果您愿意，可以更加严格，因为两个现有的答案以不同的方式进行了处理 - 其中一个将拒绝以ftp：开头的URL，另一个将拒绝带有下划线的域名（但接受没有前导protocol://的URL，因此在这方面比我的范围还要广泛）。这些答案的多样性（都符合您的简要规格;-）应该提示您，您的规格过于模糊，应该加以明确。

- Alex Martelli

Answer 7

这是一个正则表达式，应该可以满足给定的问题。

https?://[^/]*

我猜你提出这个问题部分是为了更深入地了解正则表达式。然而，如果你试图从URL中获取主机名，使用Java更健壮的解析方法可能是更正确的选择：

String urlStr = "https://www.abc.com/stuff";
URL url = new URL(urlStr);
String host = url.getHost();
String protocol = url.getProtocol();
URL baseUrl = new URL (protocol, host);

这样做更好，因为如果您的输入URL不像上面描述的那么严格，它应该可以捕获更多的情况。

- Paul Brinkley

Answer 8

旧帖子..我想我不妨给一个简单的正则表达式问题提供一个简单的答案:

(http|https):\/\/(www.)?(\w+)?\.(\w+)?

- Mallik Kumar