Scala正则表达式提取URL中的域名

Question

我希望使用Scala正则表达式从以下输入中提取出bell.com。我尝试了几种变化，但都没有成功。

"www.bell.com"
"bell.com"
"http://www.bell.com"
"https://www.bell.com"
"https://bell.com/about"
"https://www.bell.com?token=123"

这是我的代码，但它没有运行。

val pattern = """(?:([http|https]://)?)(?:(www\.)?)([A-Za-z0-9._%+-]+)[/]?(?:.*)""".r
url match {
  case pattern(domain) =>
    print(domain)
  case _ => print("not found!")
}

编辑： 我的正则表达式有误。感谢@Tabo指出，以下是正确的正则表达式。

(?:https?://)?(?:www\.)?([A-Za-z0-9._%+-]+)/?.*

- angelokh

---

你将如何处理子域名？你的问题可能会很棘手。 - wheaties

不要试图使用正则表达式处理这个。让一个URL解析器来处理它。 - jcdyer

@jcdyer，您能否提供一个示例，以便我可以批准您的答案？ - angelokh

@jcdyer 我找到了这个。https://github.com/NET-A-PORTER/scala-uri 这是你要的吗？ - angelokh

@angelokh：抱歉，我有一段时间没有上SO了。看起来你已经得到了答案。 - jcdyer

Answer 1

您可以使用Java URL类来获取主机名，或者您可以查看Apache库。

new URL("https://www.bell.com?token=123").getHost

- Eugene Zhulenev

Answer 2

你可以尝试以下方法：

import java.net.URL
import util.Try

val t = "https://www.bell.com?token=123"

val url = Try { new URL(t) }.toOption

- Keith Pinson

Answer 3

你应该使用java.net.URL方法，但是......

以后参考一下，你的正则表达式有几个问题。方括号匹配字符集，所以[http|https]与[htps|]相同（意思是'h'、't'、'p'、's'或'|'）。我认为你的意思是http|https或者简单地写成https?。

此外，如果你只想匹配域名，那么你只需要一个捕获组。注意，(?:blah)表示非捕获组，而(blah)表示捕获组。你的正则表达式中有三个捕获组：([http|https]://)、(www\.)?和([A-Za-z0-9._%+-]+)。你只需要最后一个。

尝试：

(?:https?://)?(?:www\.)?([A-Za-z0-9._%+-]+)/?.*

在这里测试 - https://regex101.com/r/xW4iY7/2

- Ian Tabolt