正则表达式以匹配具有6个或更多级别的URL

Question

我正在尝试匹配6个或6个以上级别或子路径的网址

http://www.domain.com/level1/level2/level3/level4/level5/level6/level7/level8/level9/level10/level11/level12.html

我想出了一个表达式

^http:\/\/([a-zA-Z\.-]*)\W(\b\w+\b) 

...匹配level1（demo）

但是，当我尝试将网址与六个或更多级别匹配时，它似乎不起作用。

^http:\/\/([a-zA-Z\.-]*)\W(\b\w+\b){6,}

（demo）

Answer 1

尝试以下方法：

^http:\/\/([a-zA-Z\.-]*)(\/[\w\.]+){6,}

http://rubular.com/r/QZlidUqheq

Answer 2

我认为这就是你想要的：

^http://([a-zA-Z.-]+)/(?:[^/]+/){6,}.*$

这匹配六个或更多级别，这就是你在问题中所说的。但是在问题的标题中，你说它“超过六个”。如果这是您真正想要的，请将量词从{6,}更改为{7,}。

在旁注中，正斜杠（/）在正则表达式中没有特殊含义，并且不需要进行转义。 Rubular迫使你逃避斜线，因为它是用作正则表达式分隔符的东西。 Nutch使用Java的内置正则表达式，所以你应该使用相同风格的测试器，如this one。