用于在斜杠上拆分的正则表达式

Question

我试图拆分URL以获取域名。

example.com                => example.com
example.com/dir/index.html => example.com

我试图给我们的正则表达式是

(.+?)(/|$)

当我在python中使用它时，如下所示：

import re
m = re.search('(.+?)(/|$)', url)

它适用于第一个，但对于第二个例子，我总是得到example.com/ 。 我如何摆脱反斜杠？

编辑：我很抱歉，我忘了提供一个重要信息。 我需要一个正则表达式，因为我需要在Oracle SQL中编写它。 幸运的是，Oracle支持正则表达式，但没有像urlparse 。 我只是使用python进行测试。 对于那个很抱歉！

Answer 1

这样做的简单方法是在stdlib中使用urlparse函数：

>>> from urllib.parse import urlparse
>>> url = 'http://example.com/dir/index.html'
>>> p = urlparse(url)
>>> p.netloc
'example.com'

除了简单得多之外，它还处理你没有想到的明确定义和明确记录的案例（例如，如果有端口和主机？），而对于你的代码，谁知道你没有预料到的任何情况会发生什么？

---

如果您确实希望将URL视为字符串而不是URL，则在斜杠上拆分的简单方法是在斜杠上拆分：

>>> bits = url.split('/')
>>> bits[2]
example.com

---

如果你真的想使用正则re.split来分割斜杠，你可以使用re.split而不是试图找出一种方法来欺骗re.search为你分裂：

>>> bits = re.split('/', url)
>>> bits[2]
example.com

---

最后，如果你想用match或search来做，并且你不想捕获/ ，不要把/放在一个捕获组中，并查看你想要捕获的组，而不是在整个字符串：

>>> url = 'example.com/dir/index.html'
>>> m = re.search('(.+?)(/|$)', url)
>>> m.groups()
('example.com', '/')
>>> m = re.search('(.+?)(?:/|$)', url)
>>> m.groups()
('example.com',)

Answer 2

尝试匹配非froward斜杠，如([^/]+?)(/|$)