正则表达式拆分和连接路径库和模式与文件名删除它们之间的路径的一部分

Question

我有这样的网址：

a）<a href=\"http://example.com/path-pattern-to-match/subPath/onemoreSubpath/arbitrary-number-of-subpaths/someArticle1\">

或：

b）<a href=\"http://example.com/path-pattern-to-match/someArticle2\">

我需要将路径模式与其基本网址分开，<a>标记的开头，并将其与Iits someArticle连接起来。中间的一切都需要删除。

案件'b'仍未受影响。案例'a'需要成为：

<a href=\"http://example.com/path-pattern-to-match/someArticle1\">

请用RegEx回答，这就是我需要的。如果使用Perl或bash脚本进行详细解释，其他解决方案可能会很有趣，但请避免建议一些编程模块或函数来解析它，只是说RegEx不是最好的解决方案而且没有任何真正的解决方案。

PS：我需要解析非多行文件。 someArticle是可变的。

Answer 1

如果您有后备支持，请使用

(?<=<a href=\\"http:\/\/example\.com\/path-pattern-to-match\/)(?:[^\/]+\/)*([^\/>"]*)(?=\\">)

请参阅demo

<强>说明

• (?<=<a href=\\"http:\/\/example\.com\/path-pattern-to-match\/) - 固定宽度的后视图，确保我们前面有<a href=\"http://example.com/path-pattern-to-match/个文字文字...
• (?:[^\/]+\/)* - 除/（[^\/]+）以外的0个或多个字符的0个或多个序列，后跟文字/（即子路径）
• ([^\/>"]*) - 与我们的关键字“someArticle”匹配的捕获组（除"，>或/以外的0个或多个字符。
• (?=\\">) - 一个正向前瞻，检查前一个子模式后是否有\">。

使用$1替换字符串，您可以删除子路径并保留“someArticle”部分。