Lấy các phần của một URL (Regex)

Đưa ra URL (dòng đơn):
http://test.example.com/dir/subdir/file.html

Làm cách nào để trích xuất các phần sau bằng biểu thức chính quy:

1. Tên miền con (kiểm tra)
2. Tên miền (example.com)
3. Đường dẫn không có tệp (/ dir / subir /)
4. Tệp (file.html)
5. Đường dẫn với tệp (/dir/subdir/file.html)
6. URL không có đường dẫn ( http://test.example.com )
7. (thêm bất kỳ cái nào khác mà bạn nghĩ sẽ hữu ích)

Regex sẽ hoạt động chính xác ngay cả khi tôi nhập URL sau:

http://example.example.com/example/example/example.html

Một regex duy nhất để phân tích cú pháp và chia nhỏ một URL đầy đủ bao gồm các tham số truy vấn và các neo, ví dụ

https://www.google.com/dir/1/2/search.html?arg=0-a&arg1=1-b&arg3-c#hash

^((http[s]?|ftp):\/)?\/?([^:\/\s]+)((\/\w+)*\/)([\w\-\.]+[^#?\s]+)(.*)?(#[\w\-]+)?$

Vị trí RexEx:

url: RegExp ['$ &'],

giao thức: RegExp. $ 2,

máy chủ: RegExp. $ 3,

đường dẫn: RegExp. $ 4,

tệp: RegExp. $ 6,

truy vấn: RegExp. $ 7,

băm: RegExp. $ 8

sau đó bạn có thể phân tích cú pháp máy chủ ('.' được phân cách) khá dễ dàng.

Những gì tôi sẽ làm là sử dụng một cái gì đó như thế này:

/*
    ^(.*:)//([A-Za-z0-9\-\.]+)(:[0-9]+)?(.*)$
*/
proto $1
host $2
port $3
the-rest $4

phân tích thêm 'phần còn lại' càng cụ thể càng tốt. Làm điều đó trong một regex là, tốt, một chút điên rồ.

Tôi nhận ra rằng tôi đến bữa tiệc muộn, nhưng có một cách đơn giản để trình duyệt phân tích url cho bạn mà không cần regex:

var a = document.createElement('a');
a.href = 'http://www.example.com:123/foo/bar.html?fox=trot#foo';

['href','protocol','host','hostname','port','pathname','search','hash'].forEach(function(k) {
    console.log(k+':', a[k]);
});

/*//Output:
href: http://www.example.com:123/foo/bar.html?fox=trot#foo
protocol: http:
host: www.example.com:123
hostname: www.example.com
port: 123
pathname: /foo/bar.html
search: ?fox=trot
hash: #foo
*/

Tôi đến bữa tiệc muộn vài năm, nhưng tôi ngạc nhiên không ai nhắc đến đặc tả Định danh tài nguyên thống nhất có một phần về phân tích cú pháp URI bằng một biểu thức chính quy . Biểu thức chính quy, được viết bởi Berners-Lee và cộng sự, là:

^(([^:/?#]+):)?(//([^/?#]*))?([^?#]*)(\?([^#]*))?(#(.*))?
 12            3  4          5       6  7        8 9

Các số trong dòng thứ hai ở trên chỉ để hỗ trợ khả năng đọc; chúng chỉ ra các điểm tham chiếu cho mỗi biểu thức con (nghĩa là mỗi dấu ngoặc đơn được ghép nối). Chúng tôi đề cập đến giá trị phù hợp cho biểu hiện phụ là $. Ví dụ: khớp biểu thức trên với

http://www.ics.uci.edu/pub/ietf/uri/#Related

kết quả trong các trận đấu phụ sau:

$1 = http:
$2 = http
$3 = //www.ics.uci.edu
$4 = www.ics.uci.edu
$5 = /pub/ietf/uri/
$6 = <undefined>
$7 = <undefined>
$8 = #Related
$9 = Related

Để biết giá trị của nó, tôi thấy rằng tôi phải thoát khỏi các dấu gạch chéo trong JavaScript:

^(([^:\/?#]+):)?(\/\/([^\/?#]*))?([^?#]*)(\?([^#]*))?(#(.*))?

Tôi tìm thấy câu trả lời được bình chọn cao nhất (câu trả lời của hometoast) không hoạt động hoàn hảo với tôi. Hai vấn đề:

1. Nó không thể xử lý số cổng.
2. Phần băm bị hỏng.

Sau đây là phiên bản sửa đổi:

^((http[s]?|ftp):\/)?\/?([^:\/\s]+)(:([^\/]*))?((\/\w+)*\/)([\w\-\.]+[^#?\s]+)(\?([^#]*))?(#(.*))?$

Vị trí của các bộ phận như sau:

int SCHEMA = 2, DOMAIN = 3, PORT = 5, PATH = 6, FILE = 8, QUERYSTRING = 9, HASH = 12

Chỉnh sửa được đăng bởi người dùng anon:

function getFileName(path) {
    return path.match(/^((http[s]?|ftp):\/)?\/?([^:\/\s]+)(:([^\/]*))?((\/[\w\/-]+)*\/)([\w\-\.]+[^#?\s]+)(\?([^#]*))?(#(.*))?$/i)[8];
}

Tôi cần một Biểu thức thông thường để khớp với tất cả các url và tạo biểu thức này:

/(?:([^\:]*)\:\/\/)?(?:([^\:\@]*)(?:\:([^\@]*))?\@)?(?:([^\/\:]*)\.(?=[^\.\/\:]*\.[^\.\/\:]*))?([^\.\/\:]*)(?:\.([^\/\.\:]*))?(?:\:([0-9]*))?(\/[^\?#]*(?=.*?\/)\/)?([^\?#]*)?(?:\?([^#]*))?(?:#(.*))?/

Nó phù hợp với tất cả các url, bất kỳ giao thức nào, thậm chí cả các url như

ftp://user:pass@www.cs.server.com:8080/dir1/dir2/file.php?param1=value1#hashtag

Kết quả (bằng JavaScript) trông như thế này:

["ftp", "user", "pass", "www.cs", "server", "com", "8080", "/dir1/dir2/", "file.php", "param1=value1", "hashtag"]

Một url như

mailto://admin@www.cs.server.com

trông như thế này:

["mailto", "admin", undefined, "www.cs", "server", "com", undefined, undefined, undefined, undefined, undefined] 

Tôi đã cố gắng giải quyết vấn đề này trong javascript, cần được xử lý bởi:

var url = new URL('http://a:b@example.com:890/path/wah@t/foo.js?foo=bar&bingobang=&king=kong@kong.com#foobar/bing/bo@ng?bang');

vì (trong Chrome, ít nhất), nó phân tích thành:

{
  "hash": "#foobar/bing/bo@ng?bang",
  "search": "?foo=bar&bingobang=&king=kong@kong.com",
  "pathname": "/path/wah@t/foo.js",
  "port": "890",
  "hostname": "example.com",
  "host": "example.com:890",
  "password": "b",
  "username": "a",
  "protocol": "http:",
  "origin": "http://example.com:890",
  "href": "http://a:b@example.com:890/path/wah@t/foo.js?foo=bar&bingobang=&king=kong@kong.com#foobar/bing/bo@ng?bang"
}

Tuy nhiên, đây không phải là trình duyệt chéo ( https://developer.mozilla.org/en-US/docs/Web/API/URL ), vì vậy tôi đã ghép chúng lại với nhau để kéo các phần giống nhau ra như trên:

^(?:(?:(([^:\/#\?]+:)?(?:(?:\/\/)(?:(?:(?:([^:@\/#\?]+)(?:\:([^:@\/#\?]*))?)@)?(([^:\/#\?\]\[]+|\[[^\/\]@#?]+\])(?:\:([0-9]+))?))?)?)?((?:\/?(?:[^\/\?#]+\/+)*)(?:[^\?#]*)))?(\?[^#]+)?)(#.*)?

Tín dụng cho regex này được gửi tới https://gist.github.com/rpflorence , người đã đăng jsperf này http://jsperf.com/url-parsing (ban đầu được tìm thấy ở đây: https://gist.github.com/jlong/2428561 # bình luận-310066 ) người đã đưa ra regex này ban đầu được dựa trên.

Các phần theo thứ tự này:

var keys = [
    "href",                    // http://user:pass@host.com:81/directory/file.ext?query=1#anchor
    "origin",                  // http://user:pass@host.com:81
    "protocol",                // http:
    "username",                // user
    "password",                // pass
    "host",                    // host.com:81
    "hostname",                // host.com
    "port",                    // 81
    "pathname",                // /directory/file.ext
    "search",                  // ?query=1
    "hash"                     // #anchor
];

Ngoài ra còn có một thư viện nhỏ bao bọc nó và cung cấp các tham số truy vấn:

https://github.com/sadams/lite-url (cũng có sẵn trên bower)

Nếu bạn có một cải tiến, vui lòng tạo một yêu cầu kéo với nhiều thử nghiệm hơn và tôi sẽ chấp nhận và hợp nhất với lời cảm ơn.

Đề xuất một giải pháp dễ đọc hơn nhiều (bằng Python, nhưng áp dụng cho mọi regex):

def url_path_to_dict(path):
    pattern = (r'^'
               r'((?P<schema>.+?)://)?'
               r'((?P<user>.+?)(:(?P<password>.*?))?@)?'
               r'(?P<host>.*?)'
               r'(:(?P<port>\d+?))?'
               r'(?P<path>/.*?)?'
               r'(?P<query>[?].*?)?'
               r'$'
               )
    regex = re.compile(pattern)
    m = regex.match(path)
    d = m.groupdict() if m is not None else None

    return d

def main():
    print url_path_to_dict('http://example.example.com/example/example/example.html')

Bản in:

{
'host': 'example.example.com', 
'user': None, 
'path': '/example/example/example.html', 
'query': None, 
'password': None, 
'port': None, 
'schema': 'http'
}

tên miền phụ và tên miền khó khăn vì tên miền phụ có thể có một số phần, như tên miền cấp cao nhất, http://sub1.sub2.domain.co.uk/

 the path without the file : http://[^/]+/((?:[^/]+/)*(?:[^/]+$)?)  
 the file : http://[^/]+/(?:[^/]+/)*((?:[^/.]+\.)+[^/.]+)$  
 the path with the file : http://[^/]+/(.*)  
 the URL without the path : (http://[^/]+/)  

(Markdown không thân thiện với regexes)

Phiên bản cải tiến này sẽ hoạt động đáng tin cậy như một trình phân tích cú pháp.

   // Applies to URI, not just URL or URN:
   //    http://en.wikipedia.org/wiki/Uniform_Resource_Identifier#Relationship_to_URL_and_URN
   //
   // http://labs.apache.org/webarch/uri/rfc/rfc3986.html#regexp
   //
   // (?:([^:/?#]+):)?(?://([^/?#]*))?([^?#]*)(?:\?([^#]*))?(?:#(.*))?
   //
   // http://en.wikipedia.org/wiki/URI_scheme#Generic_syntax
   //
   // $@ matches the entire uri
   // $1 matches scheme (ftp, http, mailto, mshelp, ymsgr, etc)
   // $2 matches authority (host, user:pwd@host, etc)
   // $3 matches path
   // $4 matches query (http GET REST api, etc)
   // $5 matches fragment (html anchor, etc)
   //
   // Match specific schemes, non-optional authority, disallow white-space so can delimit in text, and allow 'www.' w/o scheme
   // Note the schemes must match ^[^\s|:/?#]+(?:\|[^\s|:/?#]+)*$
   //
   // (?:()(www\.[^\s/?#]+\.[^\s/?#]+)|(schemes)://([^\s/?#]*))([^\s?#]*)(?:\?([^\s#]*))?(#(\S*))?
   //
   // Validate the authority with an orthogonal RegExp, so the RegExp above won’t fail to match any valid urls.
   function uriRegExp( flags, schemes/* = null*/, noSubMatches/* = false*/ )
   {
      if( !schemes )
         schemes = '[^\\s:\/?#]+'
      else if( !RegExp( /^[^\s|:\/?#]+(?:\|[^\s|:\/?#]+)*$/ ).test( schemes ) )
         throw TypeError( 'expected URI schemes' )
      return noSubMatches ? new RegExp( '(?:www\\.[^\\s/?#]+\\.[^\\s/?#]+|' + schemes + '://[^\\s/?#]*)[^\\s?#]*(?:\\?[^\\s#]*)?(?:#\\S*)?', flags ) :
         new RegExp( '(?:()(www\\.[^\\s/?#]+\\.[^\\s/?#]+)|(' + schemes + ')://([^\\s/?#]*))([^\\s?#]*)(?:\\?([^\\s#]*))?(?:#(\\S*))?', flags )
   }

   // http://en.wikipedia.org/wiki/URI_scheme#Official_IANA-registered_schemes
   function uriSchemesRegExp()
   {
      return 'about|callto|ftp|gtalk|http|https|irc|ircs|javascript|mailto|mshelp|sftp|ssh|steam|tel|view-source|ymsgr'
   }

Hãy thử như sau:

^((ht|f)tp(s?)\:\/\/|~/|/)?([\w]+:\w+@)?([a-zA-Z]{1}([\w\-]+\.)+([\w]{2,5}))(:[\d]{1,5})?((/?\w+/)+|/?)(\w+\.[\w]{3,4})?((\?\w+=\w+)?(&\w+=\w+)*)?

Nó hỗ trợ HTTP / FTP, tên miền phụ, thư mục, tệp, v.v.

Tôi tìm thấy nó từ một tìm kiếm nhanh trên google:

http://geekswithbloss.net/casualjim/archive/2005/12/01/61722.aspx

/^((?P<scheme>https?|ftp):\/)?\/?((?P<username>.*?)(:(?P<password>.*?)|)@)?(?P<hostname>[^:\/\s]+)(?P<port>:([^\/]*))?(?P<path>(\/\w+)*\/)(?P<filename>[-\w.]+[^#?\s]*)?(?P<query>\?([^#]*))?(?P<fragment>#(.*))?$/

Từ câu trả lời của tôi cho một câu hỏi tương tự . Hoạt động tốt hơn một số khác được đề cập vì chúng có một số lỗi (chẳng hạn như không hỗ trợ tên người dùng / mật khẩu, không hỗ trợ tên tệp một ký tự, mã định danh đoạn bị hỏng).

Bạn có thể nhận được tất cả http / https, máy chủ, cổng, đường dẫn cũng như truy vấn bằng cách sử dụng đối tượng Uri trong .NET. nhiệm vụ khó khăn là chia máy chủ thành tên miền phụ, tên miền và TLD.

Không có tiêu chuẩn để làm như vậy và không thể đơn giản sử dụng phân tích chuỗi hoặc RegEx để tạo kết quả chính xác. Lúc đầu, tôi đang sử dụng chức năng RegEx nhưng không phải tất cả URL đều có thể phân tích chính xác tên miền phụ. Cách thực hành là sử dụng danh sách các TLD. Sau khi TLD cho một URL được xác định, phần bên trái là tên miền và phần còn lại là tên miền phụ.

Tuy nhiên, danh sách cần phải duy trì nó vì TLD mới là có thể. Thời điểm hiện tại tôi biết là publicsuffix.org duy trì danh sách mới nhất và bạn có thể sử dụng các công cụ phân tích tên miền từ mã google để phân tích danh sách hậu tố công khai và dễ dàng lấy tên miền phụ, tên miền và TLD bằng cách sử dụng đối tượng DomainName: domainName.SubDomain, domainName .Domain và domainName.TLD.

Câu trả lời này cũng hữu ích: Nhận tên miền phụ từ một URL

CaLLMeLaNN

Đây là một cái đã hoàn thành và không dựa vào bất kỳ giao thức nào.

function getServerURL(url) {
        var m = url.match("(^(?:(?:.*?)?//)?[^/?#;]*)");
        console.log(m[1]) // Remove this
        return m[1];
    }

getServerURL("http://dev.test.se")
getServerURL("http://dev.test.se/")
getServerURL("//ajax.googleapis.com/ajax/libs/jquery/1.8.3/jquery.min.js")
getServerURL("//")
getServerURL("www.dev.test.se/sdas/dsads")
getServerURL("www.dev.test.se/")
getServerURL("www.dev.test.se?abc=32")
getServerURL("www.dev.test.se#abc")
getServerURL("//dev.test.se?sads")
getServerURL("http://www.dev.test.se#321")
getServerURL("http://localhost:8080/sads")
getServerURL("https://localhost:8080?sdsa")

Bản in

http://dev.test.se

http://dev.test.se

//ajax.googleapis.com

//

www.dev.test.se

www.dev.test.se

www.dev.test.se

www.dev.test.se

//dev.test.se

http://www.dev.test.se

http://localhost:8080

https://localhost:8080

Không ai ở trên làm việc cho tôi. Đây là những gì tôi đã kết thúc bằng cách sử dụng:

/^(?:((?:https?|s?ftp):)\/\/)([^:\/\s]+)(?::(\d*))?(?:\/([^\s?#]+)?([?][^?#]*)?(#.*)?)?/

Tôi thích regex đã được xuất bản trong "Javascript: The Good Parts". Nó không quá ngắn và không quá phức tạp. Trang này trên github cũng có mã JavaScript sử dụng nó. Nhưng nó được điều chỉnh cho bất kỳ ngôn ngữ nào. https://gist.github.com/voodooGQ/4057330

Java cung cấp một lớp URL sẽ làm điều này. Đối tượng URL truy vấn.

Bên cạnh đó, PHP cung cấp parse_url () .

Tôi khuyên bạn không nên sử dụng regex. Một lệnh gọi API như WinHttpCrackUrl () ít bị lỗi hơn.

http://msdn.microsoft.com/en-us/l Library / aa384092% 28VS85% 29.aspx

Tôi đã thử một vài trong số này không đáp ứng nhu cầu của tôi, đặc biệt là những người được bình chọn cao nhất không bắt được url mà không có đường dẫn ( http://example.com/ )

cũng thiếu tên nhóm khiến nó không thể sử dụng được trong ansible (hoặc có lẽ kỹ năng jinja2 của tôi còn thiếu).

vì vậy đây là phiên bản của tôi được sửa đổi một chút với nguồn là phiên bản được bình chọn cao nhất tại đây:

^((?P<protocol>http[s]?|ftp):\/)?\/?(?P<host>[^:\/\s]+)(?P<path>((\/\w+)*\/)([\w\-\.]+[^#?\s]+))*(.*)?(#[\w\-]+)?$

Sử dụng http://www.fileformat.info/tool/regex.htm regex của hometoast hoạt động rất tốt.

Nhưng đây là thỏa thuận, tôi muốn sử dụng các mẫu regex khác nhau trong các tình huống khác nhau trong chương trình của mình.

Ví dụ: tôi có URL này và tôi có một bảng liệt kê tất cả các URL được hỗ trợ trong chương trình của tôi. Mỗi đối tượng trong bảng liệt kê có một phương thức getRegexPotype trả về mẫu regex mà sau đó sẽ được sử dụng để so sánh với một URL. Nếu mẫu regex cụ thể trả về true, thì tôi biết rằng URL này được chương trình của tôi hỗ trợ. Vì vậy, mỗi phép liệt kê có biểu thức chính của nó tùy thuộc vào vị trí cần tìm trong URL.

Gợi ý của Hometoast là tuyệt vời, nhưng trong trường hợp của tôi, tôi nghĩ rằng nó sẽ không hữu ích (trừ khi tôi sao chép dán cùng một biểu thức chính trong tất cả các bảng liệt kê).

Đó là lý do tại sao tôi muốn câu trả lời đưa ra regex cho từng tình huống riêng biệt. Mặc dù +1 cho quê hương. ;)

Tôi biết bạn đang tuyên bố không biết ngôn ngữ về vấn đề này, nhưng bạn có thể cho chúng tôi biết những gì bạn đang sử dụng chỉ để chúng tôi biết bạn có khả năng regex nào không?

Nếu bạn có khả năng cho các kết quả không bắt giữ, bạn có thể sửa đổi biểu thức của hometoast để các biểu hiện phụ mà bạn không quan tâm đến việc chụp được thiết lập như sau:

(?:SOMESTUFF)

Bạn vẫn phải sao chép và dán (và sửa đổi một chút) Regex vào nhiều vị trí, nhưng điều này có ý nghĩa - bạn không chỉ kiểm tra xem liệu có tồn tại phụ hay không, mà là nó tồn tại như một phần của URL . Sử dụng công cụ sửa đổi không bắt giữ cho biểu hiện phụ có thể cung cấp cho bạn những gì bạn cần và không có gì nữa, nếu tôi đọc chính xác, đó là những gì bạn muốn.

Cũng giống như một ghi chú nhỏ, nhỏ, biểu thức của hometoast không cần đặt dấu ngoặc quanh 's' cho 'https', vì anh ta chỉ có một ký tự trong đó. Bộ định lượng định lượng một ký tự (hoặc lớp ký tự hoặc biểu hiện phụ) trực tiếp trước chúng. Vì thế:

https?

sẽ phù hợp với 'http' hoặc 'https'.

regrec để có được đường dẫn URL mà không cần tệp.

url = ' http: // domain / dir1 / dir2 / somefile ' url.scan (/ ^ (http: // [^ /] +) ((?: / [^ /] +) + (? = /)) ? /? (?: [^ /] +)? $ / I) .to_s

Nó có thể hữu ích để thêm một đường dẫn tương đối vào url này.

Regex để thực hiện phân tích cú pháp đầy đủ là khá khủng khiếp. Tôi đã bao gồm các phản hồi có tên về mức độ dễ đọc và chia từng phần thành các dòng riêng biệt, nhưng nó vẫn trông như thế này:

^(?:(?P<protocol>\w+(?=:\/\/))(?::\/\/))?
(?:(?P<host>(?:(?:&(?:amp|apos|gt|lt|nbsp|quot|bull|hellip|[lr][ds]quo|[mn]dash|permil|\#[1-9][0-9]{1,3}|[A-Za-z][0-9A-Za-z]+);)|[^\/?#:]+)(?::(?P<port>[0-9]+))?)\/)?
(?:(?P<path>(?:(?:&(?:amp|apos|gt|lt|nbsp|quot|bull|hellip|[lr][ds]quo|[mn]dash|permil|\#[1-9][0-9]{1,3}|[A-Za-z][0-9A-Za-z]+);)|[^?#])+)\/)?
(?P<file>(?:(?:&(?:amp|apos|gt|lt|nbsp|quot|bull|hellip|[lr][ds]quo|[mn]dash|permil|\#[1-9][0-9]{1,3}|[A-Za-z][0-9A-Za-z]+);)|[^?#])+)
(?:\?(?P<querystring>(?:(?:&(?:amp|apos|gt|lt|nbsp|quot|bull|hellip|[lr][ds]quo|[mn]dash|permil|\#[1-9][0-9]{1,3}|[A-Za-z][0-9A-Za-z]+);)|[^#])+))?
(?:#(?P<fragment>.*))?$

Điều đòi hỏi nó phải thật dài dòng là ngoại trừ giao thức hoặc cổng, bất kỳ phần nào cũng có thể chứa các thực thể HTML, khiến cho việc phân định đoạn này khá khó khăn. Vì vậy, trong một vài trường hợp gần đây - máy chủ, đường dẫn, tệp, chuỗi truy vấn và đoạn, chúng tôi cho phép bất kỳ thực thể html hoặc bất kỳ ký tự nào không phải là ?hoặc #. Regex cho một thực thể html trông như thế này:

$htmlentity = "&(?:amp|apos|gt|lt|nbsp|quot|bull|hellip|[lr][ds]quo|[mn]dash|permil|\#[1-9][0-9]{1,3}|[A-Za-z][0-9A-Za-z]+);"

Khi được trích xuất (tôi đã sử dụng cú pháp ria mép để thể hiện nó), nó trở nên dễ đọc hơn một chút:

^(?:(?P<protocol>(?:ht|f)tps?|\w+(?=:\/\/))(?::\/\/))?
(?:(?P<host>(?:{{htmlentity}}|[^\/?#:])+(?::(?P<port>[0-9]+))?)\/)?
(?:(?P<path>(?:{{htmlentity}}|[^?#])+)\/)?
(?P<file>(?:{{htmlentity}}|[^?#])+)
(?:\?(?P<querystring>(?:{{htmlentity}};|[^#])+))?
(?:#(?P<fragment>.*))?$

Tất nhiên, trong JavaScript, bạn không thể sử dụng các phản hồi có tên, do đó regex trở thành

^(?:(\w+(?=:\/\/))(?::\/\/))?(?:((?:(?:&(?:amp|apos|gt|lt|nbsp|quot|bull|hellip|[lr][ds]quo|[mn]dash|permil|\#[1-9][0-9]{1,3}|[A-Za-z][0-9A-Za-z]+);)|[^\/?#:]+)(?::([0-9]+))?)\/)?(?:((?:(?:&(?:amp|apos|gt|lt|nbsp|quot|bull|hellip|[lr][ds]quo|[mn]dash|permil|\#[1-9][0-9]{1,3}|[A-Za-z][0-9A-Za-z]+);)|[^?#])+)\/)?((?:(?:&(?:amp|apos|gt|lt|nbsp|quot|bull|hellip|[lr][ds]quo|[mn]dash|permil|\#[1-9][0-9]{1,3}|[A-Za-z][0-9A-Za-z]+);)|[^?#])+)(?:\?((?:(?:&(?:amp|apos|gt|lt|nbsp|quot|bull|hellip|[lr][ds]quo|[mn]dash|permil|\#[1-9][0-9]{1,3}|[A-Za-z][0-9A-Za-z]+);)|[^#])+))?(?:#(.*))?$

và trong mỗi trận đấu, giao thức là \1 , máy chủ lưu trữ \2, cổng là \3, đường dẫn \4, tệp \5, chuỗi truy vấn \6và đoạn \7.

//USING REGEX
/**
 * Parse URL to get information
 *
 * @param   url     the URL string to parse
 * @return  parsed  the URL parsed or null
 */
var UrlParser = function (url) {
    "use strict";

    var regx = /^(((([^:\/#\?]+:)?(?:(\/\/)((?:(([^:@\/#\?]+)(?:\:([^:@\/#\?]+))?)@)?(([^:\/#\?\]\[]+|\[[^\/\]@#?]+\])(?:\:([0-9]+))?))?)?)?((\/?(?:[^\/\?#]+\/+)*)([^\?#]*)))?(\?[^#]+)?)(#.*)?/,
        matches = regx.exec(url),
        parser = null;

    if (null !== matches) {
        parser = {
            href              : matches[0],
            withoutHash       : matches[1],
            url               : matches[2],
            origin            : matches[3],
            protocol          : matches[4],
            protocolseparator : matches[5],
            credhost          : matches[6],
            cred              : matches[7],
            user              : matches[8],
            pass              : matches[9],
            host              : matches[10],
            hostname          : matches[11],
            port              : matches[12],
            pathname          : matches[13],
            segment1          : matches[14],
            segment2          : matches[15],
            search            : matches[16],
            hash              : matches[17]
        };
    }

    return parser;
};

var parsedURL=UrlParser(url);
console.log(parsedURL);

Tôi đã thử regex này để phân tích cú pháp phân vùng url:

^((http[s]?|ftp):\/)?\/?([^:\/\s]+)(:([^\/]*))?((\/?(?:[^\/\?#]+\/+)*)([^\?#]*))(\?([^#]*))?(#(.*))?$

URL: https://www.google.com/my/path/sample/asd-dsa/this?key1=value1&key2=value2

Diêm:

Group 1.    0-7 https:/
Group 2.    0-5 https
Group 3.    8-22    www.google.com
Group 6.    22-50   /my/path/sample/asd-dsa/this
Group 7.    22-46   /my/path/sample/asd-dsa/
Group 8.    46-50   this
Group 9.    50-74   ?key1=value1&key2=value2
Group 10.   51-74   key1=value1&key2=value2

String s = "https://www.thomas-bayer.com/axis2/services/BLZService?wsdl";

String regex = "(^http.?://)(.*?)([/\\?]{1,})(.*)";

System.out.println("1: " + s.replaceAll(regex, "$1"));
System.out.println("2: " + s.replaceAll(regex, "$2"));
System.out.println("3: " + s.replaceAll(regex, "$3"));
System.out.println("4: " + s.replaceAll(regex, "$4"));

Sẽ cung cấp đầu ra sau:
1: https: //
2: www.thomas-bayer.com
3: /
4: ax2 / services / BLZService? Wsdl

Nếu bạn thay đổi URL thành
Chuỗi s = " https: //www.thomas -bayer.com?wsdl=qwerwer&ttt=888 "; đầu ra sẽ như sau:
1: https: //
2: www.thomas-bayer.com
3 :?
4: wsdl = qwerwer & ttt = 888

tận hưởng ..
Yosi Lev