正则表达式 - 获取URL协议，主机，路径，但不是文件名 - PCRE

Question

目标

替换主机和路径（位置），但保留文件名（它们不变）。

没有子域的URL - 不起作用

这适用于至少有一个子域的主机（域）（例如＆＃39; www.somedomain.com＆＃39;），但未能通过域+ TLD获取路径（例如＆＃39 ; somedomain.com＆＃39）

(http[s]?:\/\/([^:\/\s]+)(\/\w+)*\/)+

在以下HTML代码段

中

junk before tag <img src="https://somedomain.com/wp-content/uploads/2017/10/someimage.jpg" alt="" />Random text after

PCRE引擎只会捕获：

https://somedomain.com/

带有子域名的网址 - 正常工作

在以下HTML代码段中（域具有子域名）

junk before tag <img src="https://www.somedomain.com/wp-content/uploads/2017/10/someimage.jpg" alt="" />Random text after

PCRE引擎捕获整个URL（保存文件）：

https://www.somedomain.com/wp-content/uploads/2017/10/

问题

如何调整正则表达式以捕获具有子域的img src=""网址的完整协议，域 和路径 （但不是文件名） 以及 那些没有子域名？

Answer 1

https?:\/\/(?:[^\/ ]*\/)*

演示here。

<强>解释

http      //Should start with http
s?        // s is optional
:\/\/     // should follow up with ://
(?:       //START Non capturing group
[^\/ ]*   //Any character but a / or a space
\/        //Ends with /
)         //END Non capturing group
*         //Repeat non-capturing group