正则表达式 - 获取 URL 协议、主机、路径，但不是文件名 - PCRE

Question

目标

替换主机和路径（位置），但保留文件名（它们不变）。

没有子域的 URL - 不起作用

这适用于具有至少一个子域的主机（域）（例如“www.somedomain.com”），但无法获取仅包含域 + TLD 的路径（例如“somedomain.com”）

(http[s]?:\/\/([^:\/\s]+)(\/\w+)*\/)+

在下面的 HTML sn-p

junk before tag <img src="https://somedomain.com/wp-content/uploads/2017/10/someimage.jpg" alt="" />Random text after

PCRE 引擎只会捕获：

https://somedomain.com/

URL 带有子域 - 有效

在下面的 HTML sn-p（域有一个子域）

junk before tag <img src="https://www.somedomain.com/wp-content/uploads/2017/10/someimage.jpg" alt="" />Random text after

PCRE 引擎捕获整个 URL（保存为文件）：

https://www.somedomain.com/wp-content/uploads/2017/10/

问题

如何调整正则表达式以捕获具有子域的img src="" URL 的完整协议、域和路径（但不是文件名）以及那些没有子域的？

Answer 1

https?:\/\/(?:[^\/ ]*\/)*

演示here.

说明

http      //Should start with http
s?        // s is optional
:\/\/     // should follow up with ://
(?:       //START Non capturing group
[^\/ ]*   //Any character but a / or a space
\/        //Ends with /
)         //END Non capturing group
*         //Repeat non-capturing group