正则表达式 URL 捕获组

Question

我正在编写一个正则表达式并尝试将 URL 的每个部分放入它自己的捕获组中以进行提取：

协议 (http,https)
子域名 (sub)
域 （域）
域扩展 (com,net)
Path （/path/to/file - 这是文件所在目录的路径）
URI(文件名)
URI 扩展名 （文件扩展名 - js，css，pdf）

示例 URLs:

http://domain.com/path1/to/file.js
http://domain.com/path-dash/to-dash/file.js
http://domain.com/path-dash/to-dash/file-name.js
https://sub.domain.com/path/to/file.js
http://sub.domain-dash.net/path/to/file.js
http://sub-dash.domain.com/path/to/file.js
http://sub-dash.domain-dash.com/path/to/file.js

我目前拥有的：

/(https?):\/\/(\w+[\-]?\w+)?.?(\w+[\-]?\w+)?/gm

期望输出：

Group1: 协议
Group2: 子域（如果存在，如果不存在则留空）
组 3: 域
Group4: 域名后缀
Group5:目录路径
Group6:文件名
Group7: 文件扩展名

问题： 我怎样才能在我列出的所有示例中将每个 URL 部分放入它自己的 捕获组 以上？

Answer 1

您可以使用https://regex101.com/查看组号。

如果你确实关心数字，你总是可以使用“非捕获组(?:)

(https?):\/\/(?:([\w-]+)\.)?([\w-]+)\.(\w+)((?:\/[\w-]+)*\/)([\w-]+)+\.([\w]+)

那样你确实会得到

第 1 组：协议

组 2. 子域

第 3 组域

组 4. 域扩展 (TLD)

第 5 组。/path/to/

组 6.文件名

第 7 组扩展

如果有额外的群组不打扰你，那么

/(https?):\/\/(([\w-]+)\.)?([\w-]+)\.(\w+)((\/[\w-]+)*\/)([\w-]+)+\.([\w]+)/

你会得到

第 1 组：协议

组 3. 子域

组 4.域

第 5 组。顶级域（或如您所说的域扩展）

第 6 组。/path/to/

组 8.文件名

第 9 组扩展

正则表达式 URL 捕获组

Regex URL Capturing Group

c

regex

capture-group