Regex -> Bspw. _NUR_ GOOGLE.de

[benny!]

Hallo,

habe folgendes Problem:

Bräuchte ein Pattern/RegEx, welches aus folgender Beispielliste:

http://www.google.de/eins/index.html
http://code.google.de/zwei/test.html
http://eins.zwei.google.de/

jeweils:

google.de
google.de
google.de

extrahiert ?

Ist das möglich mittels regex ? Weiss einer wie das geht ?

Danke im voraus,
Gruß,
benny!

 

[Tobias]

Pattern p = Pattern.compile("(google\\.de)");
		Matcher m = p
				.matcher("http://www.google.de/eins/index.html\nhttp://code.google.de/zwei/test.html\nhttp://eins.zwei.google.de/");
		int offset = 0;
		while (m.find(offset)) {
			System.out.println(m.group(1));
			offset = m.end();
		}

mpG
Tobias

 

[benny!]

@Tobias:
Ok. Danke.

 

[musiKk]

Rofl?

 

[benny!]

Wie würde die RegEx aussiehen, wenn man viele verschiedene domains besitzt ...

also:

google.de
yahoo.com
cndkcds.co.uk

usw...

??

 

[SlaterB]

jeweils einzeln eingeben oder du erzählst endlich mal, worum es überhaupt geht,
willst du z.B. den ersten Text hinter http:// erhalten?
bis wie weit danach, was ist die Regel?

Kopf einschalten und in deutscher Sprache formulieren, dann fällt die RegEx auch nicht so schwer
(RegEx lernen müsste man natürlich immer noch:
http://java.sun.com/javase/6/docs/api/java/util/regex/Pattern.html
oder Lehrbuch usw)

 

[benny!]

@SlaterB:

Get darum immer die "HAUPTDOMAIN" und die "ENDUNG" aus einer Liste von URLs zu erhalten.

Soll heissen: PROTOKOLL, SUBDOMAINS und alles was hinter dem Slash kommt zu entfernen.
Nach einigem Googlen scheint das aber wohl nicht machbar zu sein, denn es gibt ja einmal die
Sonderfälle "co.uk", "gov.uk", "ltd.uk", "co.nz" usw ... zum anderen n-beliebige Subdomains.
( Siehe http://de.wikipedia.org/wiki/Domain und http://de.wikipedia.org/wiki/Top-Level-Domain )

Und ich weiss - sowas wie eine "HAUPTDOMAIN" und "ENDUNG" existiert gar nicht - sondern
man unterscheidet hier LEVEL-weise.

Daher denke ich - ist es mittels RegEx nicht so einfach möglich - lasse mich aber gerne vom
Gegenteil überzeugen ;-)

 

[SlaterB]

die Beschreibung mittels der Domain-Bestandteile ist schon ein deutlicher Schritt nach vorne,
für RegEx allerdings nicht ausreichend,
da musst du wie gesagt bis auf Textebene runter a la
"der Text vom dritten x bis zum zweiten Backslash hinter dem ersten Auftauchen von http"
oder ähnlich,
und wenn du das hast, dann dürfte man deutlich erkennen, ob es Probleme mit Subdomains gibt oder nicht