在scala中使用模式匹配提取子字符串

Question

我想从uri中提取域名。

例如，正则表达式的输入可能是以下类型之一

1. test.net
2. https://www.test.net
3. https://test.net
4. http://www.test.net
5. http://test.net

在所有情况下，输入都应该返回 test.net

下面是为我的目的而实现的代码

    val re = "([http[s]?://[w{3}\\.]?]+)(.*)".r

但我没有得到预期的结果

下面是我的输出

val re(prefix, domain) = "https://www.test.net"

前缀：字符串 = https://www.t

域名：String = est.net

我的正则表达式有什么问题，我该如何解决？

Answer 1

我的正则表达式有什么问题，我该如何解决？

您使用的是character class

[http.?://(www.)?]

这意味着：

• h
• 或t
• 或t
• 或.
• 或?
• 或:
• 或/
• 或/
• 或(
• 或w
• 或w
• 或w
• 或.
• 或)
• 或?

它不包含s，因此它不会匹配https://。

我不清楚你为什么在这里使用字符类，也不清楚你为什么在类中使用重复字符。

理想情况下，您不应该尝试自己解析 URI；其他人已经完成了艰苦的工作。例如，您可以使用 java.net.URI 类：

import java.net.URI

val u1 = new URI("test.net")
u1.getHost
// res: String = null

val u2 = new URI("https://www.test.net")
u2.getHost
// res: String = www.test.net

val u3 = new URI("https://test.net")
u3.getHost
// res: String = test.net

val u4 = new URI("http://www.test.net")
u4.getHost
// res: String = www.test.net

val u5 = new URI("http://test.net")
u5.getHost
// res: String = test.net

很遗憾，如您所见，您想要实现的实际上并不符合官方的 URI 语法。

如果你能解决这个问题，那么你可以使用java.net.URI。否则，您将需要返回旧解决方案并自己解析 URI：

val re = "(?>https?://)?(?>www.)?([^/?#]*)".r

val re(domain1) = "test.net"
//=> domain1: String = test.net

val re(domain2) = "https://www.test.net"
//=> domain2: String = test.net

val re(domain3) = "https://test.net"
//=> domain3: String = test.net

val re(domain4) = "http://www.test.net"
//=> domain4: String = test.net

val re(domain5) = "http://test.net"
//=> domain5: String = test.net