Java regEx URL 匹配问题

Question

像往常一样，提前谢谢您。

我正在尝试熟悉 regEx，但在匹配 URL 时遇到问题。

这是一个示例 URL:

www.examplesite.com/dir/2012/06/19/title-of-some-story/FAQKZjC3veXSalP9zxFgZP/htmlpage.html

这是我的正则表达式分割:

[site]/[dir]*?/[year]/[month]/[day]/[storyTitle]?/[id]/htmlpage.html

[id] 是一个长度为 22 个字符的字符串，可以是大写或小写字母以及数字。但是，我不想从 URL 中提取该内容。只是澄清一下

现在，我需要从此 url 中提取两个值。

首先，我需要提取目录。但是， [dir] 是可选的，但也可以根据需要指定多个。换句话说，该参数不可能存在，或者可能是 dir1/dir2/dir3 ..etc 。那么，开始我的第一个例子:

    www.examplesite.com/dir1/dir2/dir3/2012/06/19/title-of-some-story/FAQKZjC3veXSalP9zxFgZP/htmlpage.html

这里我需要提取dir1/dir2/dir3，其中dir是一个字符串，它是一个全小写字母的单词(即sports/mlb/games)。目录中没有数字，仅以此为例。

但在这个有效 URL 的示例中:

www.examplesite.com/2012/06/19/title-of-some-story/FAQKZjC3veXSalP9zxFgZP/htmlpage.html

没有[dir]，所以我不会提取任何内容。因此，[dir] 是可选的

其次，我需要提取 [storyTitle] 其中 [storyTitle] 也是可选的，就像上面的 [dir] 一样，但是如果有storyTitle 只能有一个。

所以离开我之前的例子

www.examplesite.com/dir/2012/06/19/title-of-some-story/FAQKZjC3veXSalP9zxFgZP/htmlpage.html

在我需要提取'title-of-some-story'的情况下是有效的，其中故事标题是短划线分隔的字符串，并且始终是小写的。下面的例子也是有效的:

www.examplesite.com/dir/2012/06/19/FAQKZjC3veXSalP9zxFgZP/htmlpage.html

在上面的示例中，没有 [storyTitle] 因此使其成为可选

最后，为了彻底起见，不带 [dir] 和不带 [storyTitle] 的 URL 也是有效的。示例:

www.examplesite.com/2012/06/19/FAQKZjC3veXSalP9zxFgZP/htmlpage.html

是一个有效的 URL。任何输入都会有帮助，我希望我很清楚。

Answer 1

这是一个可行的示例。

public static void main(String[] args) {

    Pattern p = Pattern.compile("(?:http://)?.+?(/.+?)?/\\d+/\\d{2}/\\d{2}(/.+?)?/\\w{22}");

    String[] strings ={
            "www.examplesite.com/dir1/dir2/4444/2012/06/19/title-of-some-story/FAQKZjC3veXSalP9zxFgZP/htmlpage.html",
            "www.examplesite.com/2012/06/19/title-of-some-story/FAQKZjC3veXSalP9zxFgZP/htmlpage.html",
            "www.examplesite.com/dir/2012/06/19/title-of-some-story/FAQKZjC3veXSalP9zxFgZP/htmlpage.html",
            "www.examplesite.com/dir/2012/06/19/FAQKZjC3veXSalP9zxFgZP/htmlpage.html",
            "www.examplesite.com/2012/06/19/FAQKZjC3veXSalP9zxFgZP/htmlpage.html"
    };
    for (int idx = 0; idx < strings.length; idx++) {
        Matcher m = p.matcher(strings[idx]);
        if (m.find()) {
            String dir = m.group(1);
            String title = m.group(2);
            if (title != null) {
                title = title.substring(1); // remove the leading /
            }
            System.out.println(idx+": Dir: "+dir+", Title: "+title);
        }
    }
}