使用.NET正则表达式提取主机/端口组合 - 端口部分可选

Question

使用.NET正则表达式提取主机/端口组合 - 端口部分可选

3

我想从这样的字符串中提取主机名和端口号：stackoverflow.com:443。这很容易。我可以做这样的事情：(?.*):(?\d*)。我不担心协议方案或有效的主机名/IP地址或TCP/UDP端口，这对我的请求不重要。然而，我还需要支持一个细节，这使得它超出了我对正则表达式的了解——没有端口的主机名：stackoverflow.com。我想使用单个正则表达式，并且我想使用命名捕获组，使得主机组始终存在于正匹配中，而端口组仅在我们有冒号后跟数字时存在。我尝试从我对它的肤浅理解中进行积极的回溯：(?.*)(?<=:)(?\d*)。这来得比较接近，但冒号（:)包含在主机捕获的末尾。所以我试图改变主机，让它包括除冒号之外的任何东西，就像这样：(?[^:]*) (?<=:)(?\d*)。这给了我一个空的主机捕获。有什么建议吗？即使冒号和端口号是可选的，但如果它们存在，包括端口号捕获并使冒号“消失”？

- Rune Jacobsen

2

编辑 - 没有测试，但可以尝试例如这个：(?<host>[^:]+)(:(?<port>\d+))? 记住问号本身可以用来定义可选字符或整个组。 - Zoltán Tamási

@ZoltánTamási：确实有道理。Sln的回答似乎接近您的建议，如果您发表了答案而不是评论，我会接受的。 :) - Rune Jacobsen

2

不是真正的嵌套表达式，而是一个可选的捕获组，应该是一个可选的聚合组，特别是在计算命名捕获组和/或命名组时，它们位于较大表达式的最后。 - user557597

@ZoltánTamási：我测试过了，对我的用途很有效。sln和Sabuj的答案也是如此 - 我希望我能接受所有三个答案。:S - Rune Jacobsen

@RuneJacobsen 你肯定可以至少给这三个答案点赞 :) 无论如何，如果我的回答没有被接受，我也不介意，我很高兴能够帮助。 - Zoltán Tamási

显示剩余4条评论

5个回答

2

This maybe (?<host>[^:]+)(?::(?<port>\d+))?

 (?<host> [^:]+ )               # (1), Host, required
 (?:                            # Cluster group start, optional
      :                              # Colon ':'
      (?<port> \d+ )                 # (2), Port number
 )?                             # Cluster group end

< p > 编辑 - 如果不使用群组集合，而是将捕获组用作该群组集合，则这是 Dot-Net 在其默认配置状态下“计数”群组的方式 -

 (?<host> [^:]+ )         #_(2), Host, required                           
 (                        # (1 start), Unnamed capture group, optional
      :                        # Colon ':'
      (?<port> \d+ )           #_(3), Port number                           
 )?                       # (1 end)

- user557597

此答案已添加到Stack Overflow正则表达式FAQ，位于“常见验证任务”下。 - aliteralmind

1

@aliteralmind，请考虑将此答案(https://dev59.com/wX7aa4cB1Zd3GeqPlxhB#24399003)用于该常见问题解答。 - Alex Klaus

1

如果您的主机名不包含像 ipv64 这样的 :，请尝试这个方法：

(?<host>[^:]*):?(?<port>\d*)

- Sabuj Hassan

这会匹配 "stackoverflow.com8080"，对吧？ - Zoltán Tamási

@ZoltánTamási 但楼主说“不担心协议方案或有效的主机名” - Sabuj Hassan

我认为主机名和端口之间的冒号比有效的主机名和协议模式低一级 :) - Zoltán Tamási

Zoltán 是正确的，它会匹配这个，但 Sabuj 也是正确的 - 对于这个正则表达式，我希望尽可能地解析这个输入，即使输入可能存在格式不正确的情况。在代码中的其他正则表达式中，我将验证并警告非法/错误的输入。 - Rune Jacobsen

1

试试这个：

(?<host>[^:]+)(:(?<port>\d+))?

这使得整个冒号和端口号部分成为一个可选组，并在其中捕获端口号。此外，我使用加号确保主机名和端口号至少包含一个字符。

- Zoltán Tamási

1

你可以使用这个：

(?<host>[^:]+)(:(?<port>\\d+))?

- brz

这个可以工作，但是你能解释一下在d前面为什么要加两个反斜杠吗？也就是说，我知道\d代表一个数字。一个反斜杠和两个反斜杠之间的区别似乎是返回的捕获组数量。 - Rune Jacobsen

这是用于在C#字符串中转义反斜杠的。在这种情况下不应该出现它，但是在普通的C#字符串中，您必须像您所知道的那样对其进行转义。 - brz

@user3246354，正则表达式几乎总是应该使用带有at符号的verbatim字符串声明，因此您不必担心转义反斜杠。通常，正则表达式已经足够复杂了，不需要这样做。 - Zoltán Tamási

是的，那是我的错误。 - brz

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Alex Klaus · Accepted Answer

我建议使用Uri类代替正则表达式来处理这个问题，具体请参考Uri类。

// Use URI class for parsing only
var uri = new Uri("http://" + fullAddress);
// get host
host = uri.DnsSafeHost;
// get port
portNum = (ushort)uri.Port;

它的好处包括：

支持：
- IPv4和IPv6
- 国际化域名（IDN）
未来可以扩展以考虑架构
代码短小，标准化，从而减少错误

在.NET Fiddle上查看使用示例。