时间戳

首页 > 解决方案 > 是否可以使用 Kotlin/Java（包括（或不包括）端口）创建一个正则表达式来删除整个域（没有子域）？

java - 是否可以使用 Kotlin/Java（包括（或不包括）端口）创建一个正则表达式来删除整个域（没有子域）？

问题描述

我在许多帖子中寻找可能的答案，但似乎都没有解决我的问题

如何通过正则表达式删除 URL 的某些部分？

从 url 中删除域的最佳方法

从 url 中删除域的最佳方法

在 Java 中，如何提取 URL 的域？

我基本上会有一个我不知道它是如何的 URL。像：

https://somevalue.google.com/something

或者

www.somevalue.google.com/something

或者

somevalue.localhost:8080/something

我基本上只需要使用 http(s)、www、.com 或 :8080 删除域（而不是子域），但似乎比预期的要困难。

我试过这个正则表达式

"^(http[s]?://www\\.|http[s]?://|www\\.)"

我能够删除 http、https 和/或 www

从那时起，我认为添加多个组合会更容易，例如添加

[\w] or `[?:*]` but seems like is not getting a proper match.

我基于此文档http://zetcode.com/kotlin/regularexpressions/解释了每种模式的含义，但没有成功。

知道我做错了什么吗？

我也不想乘坐子域somevalue

所以，从

https://somevalue.google.com/something...

得到类似的东西

somevalue/something....

标签： javaregexkotlin

解决方案

在纯 Java 中，您可以尝试以下正则表达式：(?i)(?:[a-z]+://)?(?:[^/]+)(/.*)?

  • 第一个(?i)将使其不区分大小写
  • 第二部分 ( (?:[a-z]+://)?) 将匹配非捕获组中的可选协议
  • 第三部分 ( (?:[^/]+)) 将匹配直到下一个斜杠的任何内容，即域和任何可选端口，也在非捕获组中
  • 最后一部分 ( (/.*)?) 将以斜杠（如果存在）开头的任何内容捕获到捕获组中 - 这就是您要保留的组

编辑：

看来我错过了您也想保留子域。尝试以下调整后的查询：
(?i)^(?:[a-z]+://)?(?:www\.)?(.*?)(?:\.[^./]+){2}(/.*)?$

变化：

  • 我添加^...$以匹配下一部分所需的整个字符串
  • 如果存在，协议部分(?:www\.)?将匹配www.
  • 之后(.*?)将匹配子域（如果存在）
  • 域部分已更改(?:[^/]+)为(?:\.[^./]+){2}现在匹配点的任何序列，后跟除点或斜线之外的任何序列，并且重复 2 次。那将匹配google.com,.google.com等google.com:1234。

somevalue/something...要从您那里获取信息，https://www.somevalue.google.com:1234/something...请在 Java 中使用以下代码：

String regex = "(?i)^(?:[a-z]+://)?(?:www\\.)?(.*?)(?:\\.[^./]+){2}(/.*)?$";
String replaced = "https://www.somevalue.google.com:1234/something...".replaceAll(regex, "$1$2");

请注意，这可能仍然不符合您的所有要求（我们并不确切知道），因此请记住，如果它们变得更复杂，则正确使用解析 url 可能会更好/更容易。

推荐阅读