Question

我有大约1000个网址，任务是计算它们的出现次数并且频繁打印。单个文章有多个URL时会出现问题。示例如下：

http://mashable.com/2013/06/05/whistle/?utm_campaign=Feed:+Mashable+(Mashable)&utm_cid=Mash-Product-RSS-Pheedo-All-Partial&utm_medium=twitter&utm_source=twitterfeed
http://mashable.com/2013/06/05/whistle/?utm_campaign=Feed:+Mashable+(Mashable)&utm_cid=Mash-Product-RSS-Pheedo-All-Partial&utm_medium=feed&utm_source=feedburner
http://mashable.com/2013/06/05/whistle/?utm_campaign=Mash-Product-RSS-Pheedo-All-Partial&utm_cid=Mash-Product-RSS-Pheedo-All-Partial&utm_medium=twitter&utm_source=dlvr.it

所有这些都指向同一篇文章，但是，它们的区别在于一些第三方跟踪变量。我可以消除以下使用RegExp，但可能有无限的变种。此外，我无法删除整个查询字符串，因为它可能包含真正的变量（即show.php?p=12）

utm_campaign
utm_cid
utm_medium
utm_source

问题： 这些变量有完整的清单吗？你过去用更好的方法做过这个吗？

Answer 1

还使用RegExp

  [?&](.*?)=

在url中每个变量都以'？'开头或'＆amp;'并且必须以'='

结尾

如何从跟踪查询字符串变量中清除URL？

1 个答案: