Question

我正在开发一个http机器人，我开发了这个正则表达式 (((?:f|ht)tp(?:s)?\\://)?|www)([^/]+)检测并从链接（href）中提取主机名。现在我把测试结果放在这里：

String -> http://www.meloteca.com/empresas-editoras.htm   
Returns   http://www.meloteca.com

String -> www.meloteca.com/empresas-editoras.htm    
Returns   www.meloteca.com

String -> /empresas-editoras.htm   
Returns   empresas-editoras.htm (without the slash)

在这种情况下，我期望正则表达式没有返回任何值？为什么会这样？如果我尝试使用以下字符串

，同样的事情

String -> empresas-editoras.htm   
Returns   empresas-editoras.htm

代码片段：

Pattern padrao = Pattern.compile("(((?:f|ht)tp(?:s)?\\://)?|www)([^/]+)");
        Matcher mat = padrao.matcher("empresas-editoras.htm");
        if(mat.find())
            System.out.println("Host->"+mat.group());

Answer 1

最好使用URI类及其getHost()和getPath()等方法，而不是正则表达式。构造URI的规则比你可能意识到的要复杂得多，你的正则表达式可能会有很多不能正确处理的极端情况。

Answer 2

如果您删除其中一个问号，请执行以下操作：

(((?:f|ht)tp(?:s)?\\://)|www)([^/]+)

它应该更好。

Answer 3

替代((?:f|ht)tp(?:s)?\\://)?是可选的，因此它可以是空字符串，然后([^/]+)只会匹配任何不包含/的字符串。

正则表达式主机名

3 个答案: