Regex 用于提取域的第一次出现的正则表达式

我在每行上都有一个域列表，如下所示

www.google.dk/

www.google.dk/

www.google.com/

www.google.de/

www.google.dk/

www.google.dk/

我只希望每个域出现第一次，如下所示：

www.google.dk/

www.google.com/

www.google.de/

---

我到处都找过类似的话题，但找不到适合我的东西。

这个正则表达式应该适合你

---

（？如果它没有第一个匹配项，但也可以是最后一个匹配项（即，您只需要唯一的域），则可以再次对匹配组使用负前瞻

([^\n]+)(?!.*\1)

（使用

（[^\n]+）

匹配域，使用每个域位于一行的事实；您也可以在此处使用更复杂的域匹配正则表达式。）

---

尽管如此，这类任务应该很容易使用代码完成，就像我在上面的评论中所描述的那样，它将所有URL放在

Set

集合中，这样可以消除所有重复项，然后只需迭代

Set

即可获得唯一的URL

但如果由于某些限制，您需要纯正则表达式解决方案，那么您可以使用此正则表达式

(\S+)(?![\w\W]*\1)

它将只捕获一次重复的URL，因为此URL实际上捕获了重复URL中的最后一个字符串

正则表达式解释：

• （\S+）

  -使用

  \S+

  捕获URL，因为URL本身不能包含空格

• （？！[\w\w]*\1）

  -这种负向前看确保使用反向引用

  \1

  和

  [\w\w]在前面任何地方都看不到组1中捕获的字符串

  是一种匹配任何字符（包括换行符）的方法，尽管您可以使用点来实现相同的匹配，但是您需要启用

  DOTALL

  模式，方法是将

  （？s）

  放在正则表达式的开头，或者在您的语言选择中传递一个额外的参数标志（如果它支持）

---

为什么不找到解决问题的更简单的方法，例如不使用正则表达式？将这些域放在一个集合中，然后从集合中取回。集合只包含唯一的元素，因此将删除重复的元素。您知道吗？它必须是正则表达式，因为它位于另一个程序中，这是唯一的解决方案-Sorryt你使用什么工具/语言？正则表达式取决于它…这个工具/语言肯定会提供比使用正则表达式（如集合）更简单的解决方法。请给这个表达式添加一些解释。它如何处理多次出现的情况？好的，我将把它分解为几个部分。•正面回顾-（？请将所有此类信息添加到答案本身，而不是添加到评论部分

(\S+)(?![\w\W]*\1)