Scala正则表达式从url中提取域答案

【问题标题】：Scala regex extract domain from urlsScala正则表达式从url中提取域
【发布时间】：2015-03-26 19:59:21
【问题描述】：

我想使用 Scala 正则表达式从以下输入中提取 bell.com。我尝试了一些变体，但都没有成功。

"www.bell.com"
"bell.com"
"http://www.bell.com"
"https://www.bell.com"
"https://bell.com/about"
"https://www.bell.com?token=123"

这是我的代码，但不起作用。

val pattern = """(?:([http|https]://)?)(?:(www\.)?)([A-Za-z0-9._%+-]+)[/]?(?:.*)""".r
url match {
  case pattern(domain) =>
    print(domain)
  case _ => print("not found!")
}

编辑：我的正则表达式是错误的。感谢@Tabo。这是正确的。

(?:https?://)?(?:www\.)?([A-Za-z0-9._%+-]+)/?.*

【问题讨论】：

您将如何处理子域？您的问题可能很棘手。
不要尝试正则表达式。让 URL 解析器处理它。
@jcdyer 你能举个例子让我批准你的回答吗？
@jcdyer 我找到了这个。 github.com/NET-A-PORTER/scala-uri这是你的意思吗？
@angelokh：对不起。我有一段时间没有上SO了。看起来你得到了答案。

标签： regex scala

【解决方案1】：

您可能应该使用java.net.URL方法，但是...

为了将来参考，您的正则表达式中有几个问题。方括号匹配字符集，因此[http|https] 与[htps|] 相同（表示“h”、“t”、“p”、“s”或“|”）。我想你的意思是 http|https 或只是 https?。

另外，如果您只是想匹配 just 域，您希望只有一个捕获组。注意(?:blah) 表示非捕获组，而(blah) 是捕获组。正则表达式中的三个捕获组是 ([http|https]://)、(www\.)? 和 ([A-Za-z0-9._%+-]+)。你真的只想要最后一个。

试试：

(?:https?://)?(?:www\.)?([A-Za-z0-9._%+-]+)/?.*

在这里测试 - https://regex101.com/r/xW4iY7/2

【讨论】：

【解决方案2】：

您可以使用 Java URL 类来获取 Host，也可以查看 Apache 库

new URL("https://www.bell.com?token=123").getHost

【讨论】：

【解决方案3】：

你可以试试：

import java.net.URL
import util.Try

val t = "https://www.bell.com?token=123"

val url = Try { new URL(t) }.toOption

【讨论】：