如何仅将 URL 的主要部分与正则表达式匹配？答案

【问题标题】：How do I match only the main part of the URL with regex?如何仅将 URL 的主要部分与正则表达式匹配？
【发布时间】：2020-03-30 01:52:07
【问题描述】：

努力想出一种巧妙的方法来匹配以下所有粗体字词。应该排除所有前导和尾随括号，并且不匹配实际页面 url 之外的任何内容，无论是提供原始的、带有域等的。本质上是一个文本框，人们可以在其中以他们想要的任何有效方式输入 url，我们只想获得实际页面它代表我们的网站。

https://www.example.com/page-words/

http://www.example.com/page-other-words/

www.example.com/页面/另一个页面

更多页面/更多/

example.com/page-more-words/

/文档/

/文字

测试

其他/

【问题讨论】：

您使用哪种语言？
有 URL 解析器会为你做这件事。取决于您使用的语言，但这里没有必要使用正则表达式。
也许：regex101.com/r/h0Cohs/1 在第 2 组中被捕获
@MDR - 完美！谢谢！如果您作为答案提交，我可以标记为解决方案吗？我将在 python 中实现它，但我只是在寻找原始的正则表达式，所以我不必只依赖任何 python。
@Miles np。完毕。很高兴它有帮助。

标签： regex

【解决方案1】：

鉴于这些字符串...

https://www.example.com/page-words/

http://www.example.com/page-other-words/

www.example.com/page/another-page

more-page/some-more/

example.com/page-more-words/

/doc/

/text

test

other/

试试这个正则表达式...

^(.*?.com\/|\/)?(.*?)(\/)?$

演示（网站解释右侧栏上的正则表达式）：https://regex101.com/r/h0Cohs/1

所需的子字符串在 $2（Python 中为 \2）中捕获，因此您可以只捕获：

page-words

page-other-words

page/another-page

more-page/some-more

page-more-words

doc

text

test

other

【讨论】：

如果还有一个 html，（例如 www.example.com/page/another-page.html ）我为自己更新 MDR 的公式：^(.*?.com\/|\/)?(.*?)(\/)?(\.html)?$