regex - 获取 URL 的一部分(正则表达式)

Question

给定 URL(单行):
http://test.example.com/dir/subdir/file.html

如何使用正则表达式提取以下部分:

1. 子域(测试)
2. 域名 (example.com)
3. 不含文件的路径 (/dir/subdir/)
4. 文件 (file.html)
5. 文件的路径 (/dir/subdir/file.html)
6. 不带路径的网址 ( http://test.example.com )
7. (添加您认为有用的任何其他内容)

即使我输入以下 URL，正则表达式也应该正常工作:

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

Answer 1

A single regex to parse and breakup a full URL including query parameters and anchors e.g.

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\-]+)?$

RexEx positions:

url: RegExp['$&'],

protocol:RegExp.$2,

host:RegExp.$3,

path:RegExp.$4,

file:RegExp.$6,

query:RegExp.$7,

hash:RegExp.$8

然后您可以非常轻松地进一步解析主机(以“.”分隔)。

我会做的是使用这样的东西:

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

进一步解析“其余部分”，使其尽可能具体。在一个正则表达式中执行此操作有点疯狂。