递归正则表达式，在两个不同的标签下捕获相同的文本答案

【问题标题】：Recursive Regex, capture same text under two different tags递归正则表达式，在两个不同的标签下捕获相同的文本
【发布时间】：2016-05-12 21:04:01
【问题描述】：

我希望使用正则表达式解析一些文本，并且我需要能够在两个不同的标签下抓取相同的文本，同时只在第二个标签上的某个字符之前捕获文本。这是我试图引入的文本示例。

Reputation=High risk ProtocolP=SSL client Web_Application=YouTube URL=https://youtube.com

这是我目前写的正则表达式。

^Reputation=(?<rep>.*?)\sProtocol=(?<prot>.*?)\sWeb_Application=(?<webapp>.*?)\sURL=(?<url>[http|https].*?)\sSource_IP=(?<sip>.*?)\s

这得到了我最初需要的东西，但我需要为 URL 部分添加第二个标签以仅获取域名。例如，只有https://youtube.com

当然，如果域恰好是 https://m.youtube.com，那么它也应该被捕获。

有没有办法做到这一点？

【问题讨论】：

Reputation=High risk ProtocolP=SSL client Web_Application=YouTube URL=https://youtube.com 这是原始数据。不，很遗憾我没有 XML 片段解析能力。
尝试将URL=(?<url>[http|https].*?) 更改为URL=(?<url>(?:http|https)://(?<domain>[^/]+).*?)。见regex101.com/r/pB0tN7/1
不幸的是，由于某种原因，这不起作用。我有这种作品有时URL=(?<url>https?://(?<domain>[^/s]+)(?:/[^s]+)?)\s+ 问题是它在捕获的内容中非常受欢迎。有时它会同时获取 URL 和域，有时什么都没有。 https:// 在域名后面的 / 后面什么都没有，或者有时它的 http:// 在域名后面的 / 后面什么都没有。我不确定如何保证每次都捕获 URL 和域
试试URL=(?<url>https?://(?<domain>[^/\s]+)(?:/[^\s]+)*) - 您在s 之前省略了\，并且您需要在第一个否定字符类中使用/。
这正是我想要的。这就像一个冠军！非常感谢。

标签： regex

【解决方案1】：

您可以将URL匹配部分替换为URL=(?<url>https?://(?<domain>[^/\s]+)(?:/[^\s]+)*)：

Reputation=(?<rep>.*?)\sProtocolP=(?<prot>.*?)\sWeb_Application=(?<webapp>.*?)\sURL=(?<url>https?://(?<domain>[^/\s]+)(?:/\S+)*)\sSource_IP=(?<sip>.*?)\s

见regex demo

https?:// - 匹配 http:// 或 https://
(?<domain>[^/\s]+) - 域匹配部分，除 / 和空格之外的 1+ 个字符
(?:/\S+)* - 0+ 个/ 序列后跟 1+ 个字符（空格除外）

【讨论】：