如何从多种格式字符串中提取目标路径（去除前置URL前缀）

刚好之前做项目时遇到过一模一样的需求，给你分享两种实用的解决思路，都能完美覆盖你提到的所有场景：

先明确下我们要处理的输入和期望输出：

• 输入：https://www.example.com/example/path.php → 输出：example/path.php
• 输入：www.example.com/example/path.php → 输出：example/path.php
• 输入：/example/path.php → 输出：example/path.php
• 输入：path.php → 输出：path.php

方法1：正则表达式（跨语言通用） #

写一个精准匹配的正则，直接过滤掉前面的协议、域名和多余的开头斜杠，提取我们需要的路径部分。

正则逻辑拆解：

• ^(?:https?://)?：匹配可选的http/https协议头（非捕获组，不保留这部分）
• (?:www\.)?：匹配可选的www.前缀（同样非捕获）
• (?:[^/]+)?：匹配可选的域名部分（直到第一个/为止的所有非/字符）
• /?：匹配可选的单个斜杠（域名后的/或者输入开头的/）
• (.*)：捕获剩下的所有内容，就是我们要的最终路径

代码示例（Python） #

import re

def extract_final_path(url):
    # 定义正则模式
    pattern = r'^(?:https?://)?(?:www\.)?(?:[^/]+)?/?(.*)'
    match_result = re.match(pattern, url)
    # 如果匹配到就返回捕获组内容，否则返回原字符串（处理空输入等极端情况）
    return match_result.group(1) if match_result else url

# 测试所有场景
print(extract_final_path("https://www.example.com/example/path.php"))  # 输出: example/path.php
print(extract_final_path("www.example.com/example/path.php"))         # 输出: example/path.php
print(extract_final_path("/example/path.php"))                        # 输出: example/path.php
print(extract_final_path("path.php"))                                 # 输出: path.php

方法2：语言内置URL解析工具（更可靠，推荐） #

正则虽然灵活，但遇到边缘场景（比如带端口的URLhttps://www.example.com:8080/test/file.txt）容易出错，用语言自带的URL解析工具会更稳定，能自动处理各种URL结构。

Python示例（用urllib.parse） #

from urllib.parse import urlparse

def extract_final_path(url):
    parsed_url = urlparse(url)
    # 解析后如果path不为空，就去掉开头的斜杠；如果path为空，说明输入是直接的文件名（比如path.php），直接返回原url
    final_path = parsed_url.path.lstrip('/') if parsed_url.path else url
    # 处理空输入的极端情况
    return final_path if final_path else url

# 测试所有场景，包括带端口的情况
print(extract_final_path("https://www.example.com/example/path.php"))  # 输出: example/path.php
print(extract_final_path("www.example.com/example/path.php"))         # 输出: example/path.php
print(extract_final_path("/example/path.php"))                        # 输出: example/path.php
print(extract_final_path("path.php"))                                 # 输出: path.php
print(extract_final_path("https://www.example.com:8080/test/file.txt")) # 输出: test/file.txt

JavaScript示例（用URL对象） #

function extractFinalPath(url) {
    // 处理没有协议的URL，给它加上http://让URL对象能正常解析
    if (!url.startsWith('http')) {
        url = 'http://' + url;
    }
    const parsedUrl = new URL(url);
    let path = parsedUrl.pathname;
    
    // 如果解析后的path为空，说明原输入是直接的文件名（比如path.php），此时parsedUrl.hostname就是文件名
    if (!path) {
        return parsedUrl.hostname;
    }
    // 去掉开头的斜杠后返回
    return path.startsWith('/') ? path.slice(1) : path;
}

// 测试所有场景
console.log(extractFinalPath("https://www.example.com/example/path.php")); // 输出: example/path.php
console.log(extractFinalPath("www.example.com/example/path.php"));        // 输出: example/path.php
console.log(extractFinalPath("/example/path.php"));                       // 输出: example/path.php
console.log(extractFinalPath("path.php"));                                // 输出: path.php

如果需要保留URL里的查询参数（比如https://www.example.com/example/path.php?a=1要提取example/path.php?a=1），可以在代码里加上查询参数的拼接，比如Python里用parsed_url.path.lstrip('/') + parsed_url.search，JavaScript里用path + parsedUrl.search。

内容的提问来源于stack exchange，提问作者Grover