如何在PCRE正则表达式中不包含某些前缀的网址进行匹配

Question

我有一个需要使用正则表达式过滤的字符串列表。某些字符串可能包含形式为（（random_chars）。（random_chars）。（random_chars）。（random_chars ......）等形式的URL。

我正在尝试创建一个可找到此类URL的正则表达式，但忽略第一组（random_chars）与“ java”不匹配的URL。

例如下面的字符串：

• “测试字符串（test.url.com）abcdef java.lang.Assertion uvwxyz www.google.com abcdef”

    

  我希望它与test.url.com和www.google.com匹配，但与java.lang.Assertion不匹配

• “另一个测试字符串/abc/xyz/lib/def/GH.tr测试200。”

    

  我不希望它匹配GH.tr

我当前的正则表达式将符合以下条件：

• test.url.com
• java.lang.Assertion
• www.google.com
• GH.tr

这是我当前的正则表达式，并且我尝试使用否定的前瞻：

(?!java)(?:(?:\w+\.)+[\w]+)

我的正则表达式错过了什么？

Answer 1

之所以能够获得这些匹配项，是因为负前行(?!java)断言，直接在右边的不是Java。

如果位置恰好在java.lang.Assertion之前，则为假，因此不匹配。

但是随后移动到j，则断言为真，因为在右边的ava.lang.Assertion现在可以匹配。

一个选择可能是匹配您不想继续使用(*SKIP)(*FAIL)的内容。然后匹配您想要保留的内容。

\bjava(?:\.\w+)+(*SKIP)(*FAIL)|(?<!/)\b\w+(?:\.\w+)+

这将匹配

• \bjava(?:\.\w+)+(*SKIP)(*FAIL)模式以匹配您不想保留的内容
• |或
• (?<!/)向后看，则断言左侧不是正斜杠
• \b\w+(?:\.\w+)+您要匹配的模式（从单词边界开始）

Regex demo | Php demo