正则表达式匹配内容中相同Domain的Url 的数量
0
悬赏园豆：50
[已解决问题]
解决于 2018-02-07 17:01
下面是一个待匹配的内容：
http://q.cnblogs.com/test
q.cnblogs.com
cnblogs.com
www.baidu.com
www.sina.com
www.google.com我想要匹配到的是同个Domain的Url 数量，当然上述的只是一个例子，Domain 不固定。
比如上面我想得到的Url数量为3
最佳答案
1
稍微修改一下样本，给域名之后加上斜杠，我想到的基于.net core的一种实现方式：
class Program
{
static void Main(string[] args)
{
var text = @"http://q.cnblogs.com/test
q.cnblogs.com/
cnblogs.com/
www.baidu.com/
www.sina.com/
www.google.com/";
var regex = new Regex(@"(?:[ａ-ｚa-z0-9-]{1-50}[.．])?([ａ-ｚa-z0-9-]{1,20}[.．][ａ-ｚa-z]{2,4}(?:[.．][ａ-ｚa-z]{2})?)/");
var matches = regex.Matches(text);
var domains = matches.Select(m => m.Groups[1].Value);
var result = domains.GroupBy(x => x)
.Select(x => new { Domain = x.Key, Count = x.Count() })
.OrderByDescending(x => x.Count)
.FirstOrDefault();
Console.WriteLine($"{result.Domain}, {result.Count}");
//Output is cnblogs.com, 3
}
}注：ａ-ｚ是为了匹配全角英文
收获园豆：30
获取domain时，需要进行Cast 转换：
var domains = matches.Cast<Match>().Select(m => m.Groups[1].Value);PS: 这方法可比我存到 HashSet 里面简单许多。
@BUTTERAPPLE: 我这里测试不需要Cast，MatchCollection 实现了 IEnumerable<Match> 接口
@dudu: 新建了一个项目确实是不用Cast的，在现有项目中就死活下面这样：
'MatchCollection' does not contain a definition for 'Select' and no extension method 'Select' accepting a first argument of type 'MatchCollection' could be found
@dudu: 我知道了，使用netcoreapp2.0 是没问题的，使用netstandard2.0就需要转换
@BUTTERAPPLE: 果然它们的MatchCollection实现不一样
netstandard2.0：
public class MatchCollection : ICollection, IEnumerable
{ }netcoreapp2.0：
public class MatchCollection : ICollection, IEnumerable, ICollection<Match>, IEnumerable<Match>, IList<Match>, IReadOnlyCollection<Match>, IReadOnlyList<Match>, IList
{ }代码中需要判断匹配数为0的会出现的Object null 错误。
其他回答(3)
1
[^/,^\s]+?\.\S+?\.\S+?(?=/|\s)
凡是域名，都是 xxx.yyy.zzz这种格式，主域名为www居多，子域名就可多了。
你试试这个，绝对可以
如果只统计某个已知的域名，比如cnblogs.com 可以这样：
[^/,^\s]+?\.cnblogs\.com(?=/|\s)
收获园豆：10
如果，域名未知，可否有办法？
@BUTTERAPPLE:
未知域名就用 [^/,^\s]+?\.\S+?\.\S+?(?=/|\s)
1
[\da-zA-Z.]?Domain[/\da-zA-Z]?
特殊情况下可能会有问题，具体要看你的数据
收获园豆：10
匹配结果：
@nicky0227: 如果不提供Domain，是否有解决办法？
@BUTTERAPPLE: 很难吧，规律性不强，我举个例子：im.cat.com和www.im.cat 这两个url不是同一个Domain，但是均会被im.cat匹配
@nicky0227: 使用你的这个会，使用我下面回答的那个正则则不会。我就想一次性像把其匹配出来，好像还是要分几步。先把Url匹配出来，遍历结果加入到HashSet中，然后再进行操作。
0
使用这个可以^(?:http(?:s)?:\/\/)?(?:[^\.]+\.)?cnblogs\.com$匹配如下
https://cnblogs.com
http://www.cnblogs.com
http://cnblogs.com
https://cnblogs.com
www.cnblogs.com
cnblogs.com但是前提是我需要提供Domain！！
这个样本有些问题，如果出现 asp.net 算不算域名，如果是 url 的，总得有个路径，比如
– dudu 6年前q.cnblogs.com/@dudu: 这个
– BUTTERAPPLE 6年前/很关键，解决了我很多困惑。