Extraire un domaine, sous domaine et la page d'une URL

Bonjour

J'ai des urls du type :

Code:

---

1 2 3 4 5

http://www.patate.com/youpy/page.html   http://coucou.patate.com/tagada/plop/pwet/sboum/pageeee.php   http://yop.yap.yip/patate.com/glurp/pwet/autrepage.com

---

J'aimerai les séparer en 3 champs :

les sous-domaines :

Code:

---

1 2 3

coucou yop.yap.yip mais également www que je voudrai considérer comme un sous domaine.

---

les domaines :

Code:

---

patate.com, patate.fr, hopla.eu ...

---

les pages :

Code:

---

1 2 3

youpy/page.html tagada/plop/pwet/sboum/pageeee.php glurp/pwet/autrepage.com

---

J'essai avec des regexs, mais je m'arrache les cheveux. En fait le sous domaine c'est entre http:// et .tld/
soit qqch comme http:// ( ce que je veux ) .tld/
le problème c'est que si je lui dit que c'est entre les http et .tld/ il essai de me matcher la string la plus longue possible (donc il va chercher le slash très loin...).

Pour le domaine et la page, j'ai les même problèmes.



Ca fait plusieurs heures que je suis dessus et je ne m'en sort pas.

Auriez vous une idée svp? ou alors une technique plus simple en faisant une sorte de split comme en perl?

Merci pour votre aide.

as tu essayer de regarder dans les algo de la STL, que tu pourrai applique sur une string
Tuto sur les algo :
http://r0d.developpez.com/articles/algos-stl/

J'ai finalement trouvé comment faire. Je vous indique la solution, au cas où d'autre aurai le même problème. C'est toujours pénible de trouver qqn qui a exactement le même problème et qui n'indique pas la solution :

voici la regex :

boost::regex rexp(".*http:\\/\\/(.+?)\\.(\\w+\\.\\w+)\\/(.*\"*.*)");

dans la 1ère parenthèse il y a le sous domaine (je considère les 3 ww comme étant le sous domaine), dans la 2ème le nom de domaine et dans la 3ème le reste.

J'en suis arrivé à bout à l'aide de +? qui permet de dire 1 ou plusieurs, mais qui ne va pas matcher le plus loin possible. +? est "non gourmant", il s'arrêtera dès qu'il aura trouvé ce qu'on cherche.

par exemple :

si on a la chaine : blabla/pwet/coucou.html

(.+)/ matchera blabla/pwet

mais avec :

(.+?)/ on matchera : blabla

J'espère que je suis clair (si ça peut servir un jour...).