无法正确获得Java RegEx

Question

我在尝试正常表达时遇到问题。基本上，我有一个包含各种链接的HTML字符串。如果href属性指向同一域或已批准域列表中的域，则不会更改任何内容。应将其他任何内容更改为重定向页面，并将原始href作为URL参数

例如，假设允许以下域名：

domain1, domain2, domain3

和不允许的域指向“/redirect.htm?url = ...”

我想要以下字符串

<p>this is a paragraph with 
    <a href="/index.htm">link 1</a> and 
    <a href="http://domain4/page.htm">link 2</a> and 
    <a href="http://www.domain1.com">link3</a> and 
    <a href="http://www.domain5.com/directory/page.htm">link 4</a>
</p>

更改为：

<p>this is a paragraph with 
    <a href="/index.htm">link 1</a> and 
    <a href="/redirect.htm?url=domain4/page.htm">link 2</a> and 
    <a href="http://www.domain1.com">link3</a> and 
    <a href="/redirect.htm?url=www.domain5.com/directory/page.htm">link 4</a>
</p>

我还应该指出，我正在使用IdocScript，这是一种基于Java的自定义语言，适用于我们的内容管理系统。我不需要帮助，只需要正则表达式。

到目前为止，我提出的最好（显然不起作用）是：

<$ regex = "href=\"(^(/|domain1|domain2|domain3)" $>
<$ regexReplaceAll( originalString, regex, 'href="/redirect.htm?url=$1') $>

有人可以帮忙吗？

Answer 1

s/href="(?!=(\/|.*(domain1|domain2|domain3)))/href="\/redirect.htm?url=/

如果我们有一个href，并且它不是以斜杠开头且它不包含domain1，domain2或domain3，请插入重定向。

如果需要，您可以收紧并查找特定的子域名：

s/href="(?!=(\/|http://((www|mobile|mysubdomain)\.)?(domain1|domain2|domain3)))/href="\/redirect.htm?url=/

取一个href="后面没有[斜杠]或[可选子域名和其中一个列出的域名]，将其替换为相同的href=" + /redirect.htm?url=。< / p>

我已经逃脱了斜线，但在您选择的正则表达方言中可能没有必要。

Answer 2

这个应该符合您的需求：

href="https?://((?:[^"](?<!\b(?:domain1|domain2|domain4)\b))+)"

替换为：

href="/redirect.htm?url=$1"

---

• Debuggex
的可视化
• 演示RegExr