使用Apache Nutch的regex-urlfilter语法
使用Apache Nutch的regex-urlfilter语法
提问于 2018-06-02 08:37:41
我想以这样的格式过滤url：https://www.abcd.com/def/*，这意味着只要域名是www.abcd.com并且/def/是必需的，def/之后的任何东西都可以，但在花费了很多时间之后，我仍然不知道如何编写正确的正则表达式。
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-06-15 04:58:05
这可能会起作用：
+^https://www.abcd.com/def/(.*)
#(skip URLs containing certain characters as probable queries, etc.)
-^https://www.abcd.com/def/[?*!@=]
# skip URLs with slash-delimited segment that repeats 3+ times, to break loops
-^https://www.abcd.com/def/.*(/[^/]+)/[^/]+\1/[^/]+\1/
#comment "accept everything else"
#+.页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/50652506
复制相关文章
相似问题