RegEx用于提取域的首次出现

Question

我在每行上都有这样的域列表

www.google.dk/

www.google.dk/

www.google.com/

www.google.de/

www.google.dk/

www.google.dk/

我只希望每个域都像这样第一次出现：

www.google.dk/

www.google.com/

www.google.de/

我到处都有类似的话题，但找不到适合我的东西。

Answer 1

尽管如此，应该使用代码轻松完成此类任务，就像我在上面的评论中所描述的那样，该代码将您所有的URL放入Set集合中，该集合将消除所有重复项，然后仅对{{ 1}}来获取您的唯一URL。

但是如果由于某些限制您需要一个纯正则表达式解决方案，那么您可以使用此正则表达式，

Set

仅捕获一次重复的URL，因为该URL本质上捕获了重复的URL中的最后一个字符串。

正则表达式说明

• (\S+)(?![\w\W]*\1) -使用(\S+)捕获URL，因为URL自身不能包含空格
• \S+-通过使用负向引用(?![\w\W]*\1)和\1，该否定的前瞻确保了在group1中捕获的字符串不再在前面的任何位置可见，并且[\w\W]是匹配包括换行符在内的任何字符的一种方式，尽管您可以使用点来实现相同的功能，但是您需要启用DOTALL模式，方法是将(?s)放在正则表达式的开头，或者在支持的语言选择中传递一个额外的参数标志。

Regex Demo

Answer 2

此RegEx应该适合您。

（？<= www。）[az.0-9] +（？= /）|（？<= https：//）[az.0-9] +（？= /）|（？< = http：//）[az.0-9] +（？= /）| ^ [az.0-9] +（？= /）

为解释起见，我将其分为几部分。

1. 正向查找-（？<=）/（？<=“这是您要寻找的内容”）

2. 在任何出现的情况下积极查找小写字母，点和数字[a-z.0-9] +

3. 正向超前-（？=）/（？=“这就是您要寻找的东西”）

4. 或-|

在后面寻找“ www”。 （？<= www。）

匹配“ www”之间任何出现的小写字母，点和数字。和“ /”
[a-z.0-9] +

提前查找“ /” （？= /）

或 |

在那之后，一切都是一样的，我只更改了后向的值

我希望我能帮上忙。

Answer 3

如果它不是 first 匹配项，但也可以是 last 匹配项（即，您只需要唯一的域），则可以使用负数再次与匹配组一起前进。

([^\n]+)(?!.*\1)

（使用([^\n]+)来匹配一个域，因为每个域都在一行上；您也可以在此位置使用更复杂的域匹配正则表达式。）

Regex-101 Demo

www.google.dk/
www.google.dk/
www.google.com/  match
www.google.de/   match
www.google.dk/
www.google.dk/   match