Question

假设我想转此：

http://en.wikipedia.org/wiki/Anarchy

进入这个：

en.wikipedia.org

甚至更好，这个：

wikipedia.org

这在regex中是否可能？

Answer 1

为什么Ruby拥有库时使用正则表达式？ The URI library：

ruby-1.9.1-p378 > require 'uri'
 => true 
ruby-1.9.1-p378 > uri = URI.parse("http://en.wikipedia.org/wiki/Anarchy")
 => #<URI::HTTP:0x000001010a2270 URL:http://en.wikipedia.org/wiki/Anarchy> 
ruby-1.9.1-p378 > uri.host
 => "en.wikipedia.org" 
ruby-1.9.1-p378 > uri.host.split('.')
 => ["en", "wikipedia", "org"]

拆分主机是分离域的一种方法，但是我不知道可靠的方式来获取基域 - 如果是的话，你不能只计算像“http://somedomain.otherdomain.school.ac.uk”和“www.google.com”这样的网址。

Answer 2

/http:\/\/([^\/]*).*/将根据您提供的字符串生成en.wikipedia.org。

/http:\/\/.{0,3}\.([^\/]*).*/将生成wikipedia.org。

Answer 3

是

现在我知道你没有问过怎么样，而且你没有指定语言，但我还是会回答......（注意，这适用于所有语言子站点，而不仅仅是en.wikipedia ...... ）

perl的：

$url =~ s,http://[a-z]{2}\.(wikipedia\.org)/.*,$1,;

红宝石：

url = url.sub(/http:\/\/[a-z]{2}\.(wikipedia\.org)\/.*/, '\1')

PHP： $ url = preg_replace（'| http://[a-z] {2}。（wikipedia.org）/.* |，'$ 1'，$ url）;

当然，对于这个特殊的例子，你甚至不需要正则表达式，只需要这样做：

url = 'wikipedia.org'

但我开玩笑......

您可能希望处理任何网址并提取域名部分，它也适用于不同国家/地区的域名，例如：foo.co.uk。

在这种情况下，我会使用Mark Rushakoff的解决方案获取主机名，然后使用正则表达式来提取域名：

domain = host.sub(/^.*\.([^.]+\.[^.]+(\.[a-z]{2})?)$/, '\1')

希望这有帮助

另外，如果您想了解更多信息，我可以在线获取正则表达式：http://tech.bluesmoon.info/2006/04/beginning-regular-expressions.html

Answer 4

当然，您所要做的就是搜索http：//（。*）/ wiki / Anarchy

在Perl中（对不起，我不认识Ruby，但我希望它类似）

$ string_to_search = ~s / http:////（。）//。应该给你wikipedia.org 要摆脱恩，你只需搜索http:////en（。）//。 .....

应该这样做。

更新：如果你不熟悉正则表达式，我会建议你拿一本正则表达式的书，这本书非常好看，我喜欢它：REGEX BOOK，掌握正则表达式，我前几天在half.com上看到了它对于14.99使用，但澄清我上面提到的，是寻找字符串http://en，然后对于任何事情，直到你找到一个/这全部被捕获在$ 1（在perl中，不确定它是否在ruby中是相同的），一个简单的打印$ 1将打印字符串。

更新：＃2抱歉，正则表达中的明星由于某种原因没有出现，所以你看到了。在（）和//之后想象一个*，哦，我忘了为en部分添加一个/。最后你不会以.wikipedia.org

结束

我可以使用正则表达式从URL中提取域吗？

4 个答案: