技术需求：提取URL中从首个斜杠到#后首个斜杠前的内容

需求说明 #

给定一组URL，需提取域名后首个斜杠开始的纯路径部分，加上#后到首个斜杠前的锚点内容，具体示例如下：

原始URL示例 #

https://www.blablabla.com/one/two/?landingPageType=PASSENGER&locale=es_ES&mktport[…]eItineraryKey=99,1A&segmentKey0=0,UX6012&segmentKey1=0,UX6079#details/11723993857/
https://www.blablabla.com/foo/bar/test/#test_a
https://www.blablabla.com/foo/bar/test/#test_a/45345/43

预期提取结果 #

/one/two/#details
/foo/bar/test/#test_a
/foo/bar/test/#test_a

正则实现方案 #

使用以下正则表达式配合替换操作，即可精准提取目标内容：

正则表达式 #

^https?://[^/]+(/[^?#]*)(?:\?[^#]*)?(#[^/]+)?(?:/.*)?$

替换规则 #

将匹配到的完整URL替换为 $1$2（即第一个捕获组与第二个捕获组的内容拼接）。

正则逻辑拆解 #

• ^https?://：匹配URL开头的http://或https://协议部分
• [^/]+：匹配完整域名（从协议结束到第一个斜杠的所有字符）
• (/[^?#]*)：第一个捕获组，提取域名后的纯路径：
  • /：定位域名后的首个斜杠
  • [^?#]*：匹配从斜杠到?或#前的所有字符（排除查询参数和锚点）
• (?:\?[^#]*)?：非捕获组，匹配并跳过可选的查询参数（?到#之间的内容）
• (#[^/]+)?：第二个捕获组，提取有效锚点内容：
  • #：定位锚点起始符号
  • [^/]+：匹配#后到下一个斜杠前的所有字符（无后续斜杠则匹配到URL结尾）
• (?:/.*)?：非捕获组，匹配并跳过锚点后的后续路径内容

验证效果 #

对每个原始URL应用上述规则后：

1. 第一个URL：捕获组1为/one/two/，捕获组2为#details，拼接后得到/one/two/#details
2. 第二个URL：捕获组1为/foo/bar/test/，捕获组2为#test_a，拼接后得到/foo/bar/test/#test_a
3. 第三个URL：捕获组1为/foo/bar/test/，捕获组2为#test_a，拼接后得到/foo/bar/test/#test_a

完全符合预期结果。

内容的提问来源于stack exchange，提问作者Naiade