RegexOne - 学习正则表达式 - 问题 8：解析和提取 URL 中的数据

问题 8：解析和提取 URL 中的数据

在处理网络上的文件和资源时，您经常会遇到 URI 和 URL，这些 URI 和 URL 可以直接解析和处理。大多数标准库都包含用于解析和构造此类标识符的类，但如果您需要在日志或更大的文本语料库中匹配它们，则可以使用正则表达式轻松地从其结构化格式中提取信息。

URI 或统一资源标识符是资源的表示形式，通常由方案、主机、端口（可选）和资源路径组成，分别突出显示如下。

http://regexone.com:80/page

方案描述了用于通信的协议，主机和端口描述了资源的来源，完整路径描述了资源在来源中的位置。

在下面的练习中，尝试提取所有列出资源的协议、主机和端口。

练习 8：从 URL 中提取数据

任务	文本	捕获组
捕获	ftp://file_server.com:21/top_secret/life_changing_plans.pdf	ftp file_server.com 21
捕获	https://regexone.fullstack.org.cn/lesson/introduction#section	https regexone.com
捕获	file://localhost:4040/zip_file	file localhost 4040
捕获	https://s3cur3-server.com:9999/	https s3cur3-server.com 9999
捕获	market://search/angry%20birds	market search

解决方案	我们必须匹配所有三个组件我们列表中的协议都是字母数字的，因此可以使用(\w+)://进行匹配。主机可以包含非字母数字字符，如连字符或句点，因此我们必须使用://([\w\-\.]+)专门包含这些字符。端口是 URI 的可选部分，前面带有冒号，可以使用(:(\d+))进行匹配。为了将所有这些组合在一起，我们得到了完整的正则表达式(\w+)://([\w\-\.]+)(:(\d+))?来捕获我们正在寻找的所有数据。

解决上述任务以继续下一个问题，或阅读解决方案。

课程笔记