Récupérer des parties d'une URL (Regex)

Question

Étant donné l'URL (une seule ligne) :
http://test.example.com/dir/subdir/file.html

Comment puis-je extraire les parties suivantes en utilisant des expressions régulières :

1. Le sous-domaine (test)
2. Le domaine (exemple.com)
3. Le chemin sans le fichier (/dir/subdir/)
4. Le fichier (fichier.html)
5. Le chemin d'accès au fichier (/dir/subdir/file.html)
6. L'URL sans le chemin d'accès ( http://test.example.com )
7. (ajoutez tout autre élément que vous jugez utile)

La regex devrait fonctionner correctement même si j'entre l'URL suivante :

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

Answer 1

Une seule regex pour analyser et décomposer un fichier de type URL complète, y compris les paramètres de requête et les ancres, par exemple

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\-]+)?$

Positions RexEx :

url : RegExp['$&'],

protocole:RegExp.$2,

hôte:RegExp.3,

path:RegExp.$4,

fichier:RegExp.$6,

query:RegExp.$7,

hash:RegExp.$8

vous pouvez ensuite analyser l'hôte (délimité par ".") assez facilement.

Quoi I serait d'utiliser quelque chose comme ça :

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

la suite de l'analyse syntaxique "le reste" pour être aussi précis que possible. Le faire en une seule regex est, eh bien, un peu fou.

Answer 2

Je réalise que je suis en retard sur la fête, mais il y a un moyen simple de laisser le navigateur analyser une url pour vous sans 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
*/

Answer 3

J'ai constaté que la réponse la plus votée (celle de hometoast) ne fonctionne pas parfaitement pour moi. Deux problèmes :

1. Il ne peut pas gérer le numéro de port.
2. La partie hachage est cassée.

Le texte suivant est une version modifiée :

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

La position des pièces est la suivante :

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

Edition publiée par un utilisateur anonyme :

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

Answer 4

J'avais besoin d'une expression régulière pour correspondre à toutes les urls et j'ai créé celle-ci :

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

Il correspond à toutes les urls, quel que soit le protocole, même les urls du type

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

Le résultat (en JavaScript) ressemble à ceci :

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

Une url comme

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

ressemble à ça :

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

Answer 5

Ce n'est pas une réponse directe, mais la plupart des bibliothèques Web ont une fonction qui accomplit cette tâche. La fonction est souvent appelée de manière similaire à CrackUrl . Si une telle fonction existe, utilisez-la, elle est presque garantie comme étant plus fiable et plus efficace que tout code fait à la main.