从字符串中提取信息

Question

https://website-name.some-domain.some-sub-domain.com/resourceId当给定（类型 1）或（类型 2）形式的字符串时https://website-name.some-sub-domain.com/resourceId?randomContent，我只需要提取两个子字符串。我需要website-name一个字符串和resourceId另一字符串。我使用以下代码提取了网站名称：s := "https://website-name.some-domain.some-sub-domain.com/resourceId?randomContent"w := regexp.MustCompile("https://(.*?)\\.")website := w.FindStringSubmatch(s)fmt.Println(website[1])我有其他正则表达式来获取resourceIds := "https://website-name.some-domain.some-sub-domain.com/resourceId?randomContent"r := regexp.MustCompile("com/(.*?)\\?")resource := r.FindStringSubmatch(s)fmt.Println(resource[1])这适用于任何以?或结尾的字符串?randomContent。但我的字符串没有尾随?，我无法处理这种情况（类型 1）。我试图"(com/(.*?)\\?)|(com/(.*?).*)"得到resourceId但没有用。我无法找到一种优雅的方法来提取这两个子字符串。注意：therandomContent是任意长的子串，the 也是如此resourceId。但里面resourceId不会有。?遇到a ?，就可以说resourceId结束了。另外，website-name可以不同，但模式是相同的 - 任意子域和 a.com将出现在字符串中。这是我尝试过的： https: //play.golang.org/p/MGQIT5XRuuh

Answer 1

您显示的示例字符串是普通的 HTTPS URL，因此您可以使用该net/url包来解析它们。是website-name的第一部分parsedUrl.Hostname()，resourceId是parsedUrl.Path较少的前导部分/。

u, err := url.Parse(s)

if err != nil {

    panic(err)

}

host := u.Hostname()

first := strings.SplitN(host, ".", 2)[0]

fmt.Printf("website-name: %s\n", first)

fmt.Printf("resourceId: %s\n", u.Path[1:])

https://play.golang.org/p/fnF2RTBuFxR有一个完整的示例，包括问题中的两个 URL 字符串。即使 URL 的主机名部分不以 结尾.com，或者路径部分包含该字符串，或者存在端口号或哈希片段或其他变体，此方法也有效。

Answer 2

我猜这个表达式可能有效：

(?i)https?:\/\/(www\.)?([^.]*)[^\/]*\/([^?\r\n]*)

测试

package main

import (

    "regexp"

    "fmt"

)

func main() {

    var re = regexp.MustCompile(`(?m)(?i)https?:\/\/(www\.)?([^.]*)[^\/]*\/([^?\r\n]*)`)

    var str = `https://website-name.some-domain.some-sub-domain.com/resourceId?randomContent

https://website-name.some-domain.some-sub-domain.com/resourceId`

    for i, match := range re.FindAllString(str, -1) {

        fmt.Println(match, "found at index", i)

    }

}

演示

Answer 3

也许像这样简单的事情会有帮助。

您可以使用以下正则表达式提取网站名称并返回第一组：

//([^/.]+)

//         start with //

([^/.]+)   match anything until first dot

您可以使用以下正则表达式提取resourceId并返回第一组：

.com/([^/?]+)

.com/      start with .com

([^/?]+)   match everything until the first ? (if exists, else matches till end)

链接到 Go Playground