C#正则表达式优化

Question

我正在尝试解析文件中的URL.我的正则表达式正在80%的时间内工作,但我需要修改它以用于异常.它开始变得复杂,我想知道如何为这个输入文件编写一个漂亮而干净的正则表达式,以便将主机放在一个组中,将URI部分放在一个组中.

例如:主机http://stackoverflow.com/index.php在哪里stackoverflow.com,/index.php是URI.

输入文件 :

//cdn.sstatic.net/stackoverflow/img/favicon.ico
//cdn.sstatic.net/stackoverflow/img/apple-touch-icon.png
/opensearch.xml
/
#
http://www.stackoverflow.com
http://www.stackoverflow.com/
http://stackoverflow.com/
http://careers.stackoverflow.com
aaa#aaa.com
aaa.com#aaa
aaa#aaa
#aaa
#
fakedomain/index.php
fakedomain.com/index.php
fakedomain.com/
/fakedomain.com/
/index.html/
index.html

正则表达式:

(?:.*?//)?(.*?)(/.*|$)

结果:

1 : //cdn.sstatic.net/stackoverflow/img/favicon.ico has 2 groups:
    cdn.sstatic.net
    /stackoverflow/img/favicon.ico

2 : //cdn.sstatic.net/stackoverflow/img/apple-touch-icon.png has 2 groups:
    cdn.sstatic.net
    /stackoverflow/img/apple-touch-icon.png

3 : /opensearch.xml has 2 groups:
    /opensearch.xml

4 : / has 2 groups:

    /

5 : http://www.stackoverflow.com has 2 groups:
    http:
    //www.stackoverflow.com

6 : http://www.stackoverflow.com/ has 2 groups:
    www.stackoverflow.com
    /

7 : http://stackoverflow.com/ has 2 groups:
    stackoverflow.com
    /

8 : http://careers.stackoverflow.com has 2 groups:
    http:
    //careers.stackoverflow.com

7 : fakedomain/index.php has 2 groups:
    fakedomain
    /index.php

8 : fakedomain.com/index.php has 2 groups:
    fakedomain.com
    /index.php

9 : fakedomain.com/ has 2 groups:
    fakedomain.com
    /

10 : /fakedomain.com/ has 2 groups:

     /fakedomain.com/

11 : /index.html/ has 2 groups:

     /index.html/

12 : index.html has 2 groups:
     index.html

13 :  has 2 groups:

C#正则表达式测试器:http://derekslager.com/blog/posts/2007/09/a-better-dotnet-regular-expression-tester.ashx

那么我怎么能删除链接.ico或.png添加一些其他修复程序,并获得一个漂亮和干净的正则表达式？

Answer 1

正则表达式是一个非常灵活的工具,但对于任何类型的标准化格式,几乎总有一个标准的解析器可以更快更好地完成工作.

使用System.Uri(http://msdn.microsoft.com/en-us/library/system.uri.aspx),它将为您处理所有角落案例.