Question

这是匹配网址的regEx。

我想要的是删除子域之后的点（。）。

因此，如果我输入http://www.abc.xyz.def.com，我希望子域名为abc.xyz，但我得到abc.xyz.

我只想用这个正则表达式来做这件事。

^((https?):\/\/)?(www\.)?(([A-z0-9]+\.)*)([A-z0-9]+\.[A-z]{2,4})(\/(.)*)?(\/?\?{0}|\/?\?{1}.*)$

Answer 1

如果可以在子域名中至少要求2个字符，则可以按以下步骤操作：测试匹配组之后的点而不是结束时的点，并允许匹配组内的点为它们不是它的第一个或最后一个字符：

^((https?):\/\/)?(www\.)?([A-z0-9][A-z0-9\.]+[A-z0-9])\.([A-z0-9]+\.[A-z]{2,4})(\/(.)*)?(\/?\?{0}|\/?\?{1}.*)$

还要允许1个字符的子域名，添加？到比赛组的第二部分：

^((https?):\/\/)?(www\.)?([A-z0-9]([A-z0-9\.]+[A-z0-9])?)\.([A-z0-9]+\.[A-z]{2,4})(\/(.)*)?(\/?\?{0}|\/?\?{1}.*)$

编辑：

域之前的点现在在任何组之外，因此子域和域都不包含它。

Answer 2

将.从www.后的捕获组移至下一组。您仍然可以将该.内的[]与www.foo.bar..baz.com匹配，但在子域末尾不匹配，因为它在下一组中匹配（除非您有一个无效的域^((https?):\/\/)?(www\.)?([A-z0-9.]+)*(\.[A-z0-9]+\.[A-z]{2,4})(\/(.)*)?(\/?\?{0}|\/?\?{1}.*)$\）。

for i in len(data):
    ....

DEMO

使用正则表达式从子域中删除点

2 个答案: