什么是最好的方式来提取正则表达式的网址的主机部分？

Question

我正在从我的网址中解压主机，并且由于最后/可选而陷入了僵局。 正则表达式需要准备接收下列内容：

http://a.b.com:8080/some/path/file.txt 
or 
ftp://a.b.com:8080/some/path 
or 
ftp://user@a.b.com/some/path 
or 
http://a.b.com 
or 
a.b.com/some/path 

and return a.b.com 

所以......

(ftp://|http://)? optionally matches the first part 
then it gets hairy... 
so... without adding ugly (and wrong) regexp here... just in english 
(everything that isn't an '@') //optional 
(everything that isn't a '/' up to the first '/' IF it's there) //this is the host group that I want 
(everything else that trails) //optional 

Answer 1

杰里米流转的的答案是接近，但如果@主机名之后出现在任何地方都将失败。我建议：

（一切，这是不是一个 '@'）//可选

（？：[^ @：/ * @）？

如果在域后出现@，冒号和斜杠将阻止匹配通过域。请注意非捕获的parens。

（一切，是不是 '/' 到第一个 '/'，如果它的存在） //这是主机组，我想

（[^：/] +）

请注意捕获的parens。

（其他一切落后）//可选

由于括号捕获的主机名和唯一的主机名，就没有必要继续匹配。

所以，把他们放在一起，你得到：

/^（？：？FTP | HTTPS）：//（？：[^ @：/ * @）（[^：/] + ）/

（请注意，前两个paren分组是非捕获 - 希望您的正则表达式库支持。）

Answer 2

你需要使用正则表达式？大多数语言都支持解析URL。例如，Java有它的java.net.URL，Python有它的urlparse模块，Ruby有它的URI模块。您可以使用它们来查询给定URL的不同部分。

Answer 3

我在PHP测试这一点，它适用于所有的例子：

/^(ftp:\/\/|https?:\/\/)?(.+@)?([a-zA-Z0-9\.\-]+).*$/