Question

我遇到了一个在代理PAC file中解析正则表达式的url。

它的功能是匹配属于域wikimapia的任何url模式。（顺便说一句，只是我的猜测）

^[\w\-]+:\/+(?!\/)(?:[^\/]+\.)?wikimapia\.org

我把它分开并给出了如下的困惑：

^ 
[\w\-]+     // any protocol name containing '-' ?
:
\/+         // why not use '\/\/', aren't protocol names follow by '://' ?
(?!\/)      // what's the function of this part?
(?:[^\/]+\.)? // is non-capturing grouping ?: necessary here? or just for optimization?
wikimapia
\.
org

希望有人能解释我的困惑。

Answer 1

根据rfc，网址可以在架构（协议）中包含-，对于非基于IP的协议，您可以拥有两个以上的/。但对于http，它应始终为://。

(?!\/)（负向前瞻）断言，无论是什么，＆＃34;＆＃34;＆＃34; /＆＃39}的字符串不是/。然而，这并没有太多用途，大多数正则表达式引擎都是贪婪的，所以它会消耗掉所有/，所以不应该留下任何非/个字符。此外，下一个字符在可选的/部分中不是(?:[^\/]+\.)?，如果不匹配，则w中的下一个字符将为wikimapia.org。因此，最终的前瞻没有任何意义。

除非您实际引用捕获组，否则使任何组不捕获对性能以外的任何事物都没有影响。我会说这仍然是一件好事，如果你实际上使用反向引用那么习惯会让它更容易。

Answer 2

模式(?!\/)是一个负前瞻断言。换句话说，声明跟随此断言的字符不是正斜杠。我无法理解它为什么被使用。正如你在问题中所述，一些正斜线肯定就足够了：

[\w\-]+:\/\/(?:[^\/]+\.)?wikimapia\.org

Answer 3

我不能多说这个表达本身，但这会更好：

var suffix = 'wikimapia.org';
if ((matches = url.match(/^(([^:\/?#]+):)?(\/\/([^\/?#]*))?([^?#]*)(\?([^#]*))?(#(.*))?/)) {
    if (matches[4] && matches[4].substr(-suffix.length) == suffix) {
        // valid
    }
}

混淆URL解析regexp

3 个答案: