Извлечь хост + одну папку из пути

Не могли бы вы помочь мне понять регулярное выражение, которое будет извлекаться из URL-адреса:

  1. имя хоста, если в пути, следующем за ним, не указана папка, например.

    http://jj.com/' -> 'jj.com
http://jj.com/index.php' -> 'jj.com
http://jj.com/query?q=http://kk.uk' -> 'jj.com

  2. имя хоста + одна папка из пути, если в пути указана хотя бы одна папка, например.

    'http://jj.com/site/index.php' -> 'jj.com/site'
'http://jj.com/site/second/aldldls.html' -> 'jj.com/site'

Можно ли сделать это с помощью всего одного регулярного выражения?

Кстати, я буду использовать функцию regex_extract из куста, но любой вариант регулярного выражения (например, регулярное выражение perl), который может это сделать, был бы чрезвычайно полезен.


regex hive perl
person twowo    schedule 15.12.2011    source источник
comment
Зачем изобретать велосипед? В CPAN должны быть модули, которые могут справиться с этим. URI возможно?   -  person TLP    schedule 15.12.2011

Ответы (2)


arrow_upward
1
arrow_downward 

#!/usr/bin/perl

use strict;
use warnings;

for (<DATA>) {
    s!^http://([^/]+/([^\?/]+/)?).*!$1!;
    s!/\s*$!!;
    print "$_\n";
}

__DATA__
http://jj.com/
http://jj.com/index.php
http://jj.com/query?q=http://kk.uk
http://jj.com/site/index.php
http://jj.com/site/second/aldldls.html

Выход:

jj.com
jj.com
jj.com
jj.com/site
jj.com/site
person flesk    schedule 15.12.2011

arrow_upward
2
arrow_downward 

use 5.010;
use URI;

for (
    'http://jj.com/',
    'http://jj.com/index.php',
    'http://jj.com/query?q=http://kk.uk',
    'http://jj.com/site/index.php',
    'http://jj.com/site/second/aldldls.html',
) {
    my $u = URI->new($_);
    say (
        ($u->path_segments)[2]
            ? join q(/), $u->host, ($u->path_segments)[1]
            : $u->host
    );
}

Выход

jj.com
jj.com
jj.com
jj.com/site
jj.com/site
person daxim    schedule 15.12.2011