如何使用正则表达式提取带重复http/https协议字符串中的纯域名

核心正则实现 #

你可以使用以下两种方案实现需求，兼容任意次数的重复协议前缀场景：

方案1：前缀替换法（最常用） #

使用正则^(?:https?://)+，将匹配到的内容全部替换为空字符串即可直接得到纯域名。
正则逻辑说明：

• ^ 限定匹配从字符串开头开始，避免匹配到域名中意外出现的协议字符
• (?:https?://) 非捕获组，匹配http://或https://，s?表示s字符可选，同时兼容两种协议
• + 量词，匹配前面的协议分组1次或多次，不管前缀重复多少次都能完整匹配

代码示例（Python）：

import re
# 测试用例
test_cases = [
    "https://https://https://google.com",
    "http://http://http://google.com",
    "https://baidu.com",
    "http://github.com"
]
pattern = r"^(?:https?://)+"
for case in test_cases:
    pure_domain = re.sub(pattern, "", case)
    print(pure_domain)

方案2：捕获组提取法 #

如果你需要直接通过捕获获取域名，可以使用正则^(?:https?://)+(.*)$，提取第一个捕获组的内容即为纯域名。

优质正则学习资源推荐 #

• 《正则表达式必知必会》：入门首选书籍，内容轻量化，结合大量实战场景讲解语法，零基础也能快速掌握常用正则编写技巧
• 编辑器内置正则测试插件：主流代码编辑器（VS Code、JetBrains系列等）都自带正则搜索测试功能，支持实时高亮匹配结果，适合日常调试正则使用
• 官方语法文档：编程语言官方文档中对应的正则模块说明、MDN正则表达式指南，内容权威全面，覆盖从基础语法到零宽断言、回溯等高级特性的用法讲解

内容的提问来源于stack exchange，提问作者P3X-774