什麼是最好的方式來提取正則表達式的網址的主機部分？

Question

我正在從我的網址中解壓主機，並且由於最後/可選而陷入了僵局。 正則表達式需要準備接收下列內容：

http://a.b.com:8080/some/path/file.txt 
or 
ftp://a.b.com:8080/some/path 
or 
ftp://user@a.b.com/some/path 
or 
http://a.b.com 
or 
a.b.com/some/path 

and return a.b.com 

所以......

(ftp://|http://)? optionally matches the first part 
then it gets hairy... 
so... without adding ugly (and wrong) regexp here... just in english 
(everything that isn't an '@') //optional 
(everything that isn't a '/' up to the first '/' IF it's there) //this is the host group that I want 
(everything else that trails) //optional 

Answer 1

傑里米流轉的的答案是接近，但如果@主機名之後出現在任何地方都將失敗。我建議：

（一切，這是不是一個 '@'）//可選

（？：[^ @：/ * @）？

如果在域後出現@，冒號和斜槓將阻止匹配通過域。請注意非捕獲的parens。

（一切，是不是 '/' 到第一個 '/'，如果它的存在） //這是主機組，我想

（[^：/] +）

請注意捕獲的parens。

（其他一切落後）//可選

由於括號捕獲的主機名和唯一的主機名，就沒有必要繼續匹配。

所以，把他們放在一起，你得到：

/^（？：？FTP | HTTPS）：//（？：[^ @：/ * @）（[^：/] + ）/

（請注意，前兩個paren分組是非捕獲 - 希望您的正則表達式庫支持。）

Answer 2

你需要使用正則表達式？大多數語言都支持解析URL。例如，Java有它的java.net.URL，Python有它的urlparse模塊，Ruby有它的URI模塊。您可以使用它們來查詢給定URL的不同部分。

Answer 3

我在PHP測試這一點，它適用於所有的例子：

/^(ftp:\/\/|https?:\/\/)?(.+@)?([a-zA-Z0-9\.\-]+).*$/