Question

这应该很简单，但它不是我的意思。无论有无协议，有或没有www，有许多好的和坏的正则表达式方法来匹配URL。我遇到的问题是（在javascript中）：如果我使用正则表达式匹配文本字符串中的URL，并将其设置为只匹配＆＃39; domain.com＆＃39;，它还会捕获域的域名电子邮件地址（＆＃39; @＆＃39;之后的部分），我不想要。消极的外观解决了它 - 但显然不是在JS中。

这是我迄今为止最接近的成功：

 /^(www\.)?([^@])([a-z]*\.)(com|net|edu|org)(\.au)?(\/\S*)?$/g

但如果匹配不在字符串的开头，则会失败。而且我确定我以错误的方式解决它。那里有简单的答案吗？

编辑：修改正则表达式以回应下面的一些评论（坚持使用＆＃39;而不是允许子域名：

\b(www\.)?([^@])(\w*\.)(\w{2,3})(\.\w{2,3})?(\/\S*)?$

正如评论中所提到的，这仍然与@之后的域匹配。

由于

Answer 1

如果匹配不在字符串的开头
，则会失败

这是因为比赛开始时的^：

/(www\.)?([^@])([a-z]*\.)(com|net|edu|org)(\.au)?(\/\S*)?$/g

js> "www.foobar.com".match(/(www\.)?([^@])([a-z]*\.)(com|net|edu|org)(\.au)?(\/\S*)?$/g)
["www.foobar.com"]
js> "aoeuaoeu foobar.com".match(/(www\.)?([^@])([a-z]*\.)(com|net|edu|org)(\.au)?(\/\S*)?$/g)
[" foobar.com"]
js> "toto@aoeuaoeu foobar.com".match(/(www\.)?([^@])([a-z]*\.)(com|net|edu|org)(\.au)?(\/\S*)?$/g)
[" foobar.com"]
js> "toto@aoeuaoeu toto@foobar.com".match(/(www\.)?([^@])([a-z]*\.)(com|net|edu|org)(\.au)?(\/\S*)?$/g)
["foobar.com"]

虽然它仍然匹配域之前的空格。它正在对域进行错误的假设......

xyz.example.org是与您的正则表达不匹配的有效域;
www.3x4mpl3.org是与您的正则表达不匹配的有效域;
example.co.uk是与您的正则表达不匹配的有效域;
ουτοπία.δπθ.gr是与您的正则表达不匹配的有效域。

什么定义了合法域名？它只是一个由点分隔的utf-8字符序列。它不能有两个点相互跟随，规范名称是\w\.\w\w（因为我认为不存在单字母tld）。

尽管如此，我这样做的方法是简单地匹配看起来像域的所有内容，方法是使用带有字符边界的点分隔符（\b）获取文本内容。：

/\b(\w+\.)+\w+\b/g

js> "aoe toto.example.org  uaoeu foo.bar aoeuaoeu".match(/\b(\w+\.)+\w+\b/g)
["toto.example.org", "foo.bar"]
js> "aoe toto@example.org toto.example.org  uaoeu foo.bar aoeuaoeu".match(/\b(\w+\.)+\w+\b/g)
["example.org", "toto.example.org", "foo.bar"]
js> "aoe toto@example.org toto.example.org  uaoeu foo.bar aoeuaoeu f00bar.com".match(/\b(\w+\.)+\w+\b/g)
["example.org", "toto.example.org", "foo.bar", "f00bar.com"]

然后进行第二轮检查，找到域名列表中是否存在域名。缺点是javascript中的regexp无法检查unicode字符，\b或\w将不接受ουτοπία.δπθ.gr作为有效域名。

在ES6中，有/u modifier，它应该适用于最新的浏览器（但到目前为止我没有测试过）：

"ουτοπία.δπθ.gr aoe toto@example.org toto.example.org  uaoeu foo.bar aoeuaoeu".match(/\b(\w+\.)+\w+\b/gu)

编辑：

负面的外观解决了它 - 但显然不是在JS中。

是的，它会：跳过所有电子邮件地址，这是正则表达式实现背后的工作：

/(?![^@])?\b(\w+\.)+\w+\b/g

js> "aoe toto@example.org toto.example.org  uaoeu foo.bar aoeuaoeu f00bar.com".match(/(?<![^@])?\b(\w+\.)+\w+\b/g)
["toto.example.org", "foo.bar", "f00bar.com"]

尽管它和unicode一样......它很快就会出现在JS中......

唯一的方法是，在匹配的正则表达式中实际保留@，并丢弃包含@的所有匹配项：

js> "toto.net aoe toto@example.org toto.example.org  uaoeu foo.bar aoeuaoeu f00bar.com".match(/@?\b\w+\.+\w+\b/g).map(function (x) { if (!x.match(/@/)) return x })
["toto.net", (void 0), "toto.example", "foo.bar", "f00bar.com"]

或使用ES6 / JS1.7中的新列表理解，它应该存在于现代浏览器中......

[x for x of "toto.net aoe toto@example.org toto.example.org  uaoeu foo.bar aoeuaoeu f00bar.com".match(/@?\b\w+\.+\w+\b/g) if (!x.match(/@/))];

最后一次更新：

/@?\b(\w*[^\W\d]+\w*\.+)+[^\W\d_]{2,}\b/g

> "x.y tot.toc.toc $11.00 11.com 11foo.com toto.11 toto.net aoe toto@example.org toto.example.org  uaoeu foo.bar aoeuaoeu f00bar.com".match(/@?\b(\w*[^\W\d]+\w*\.+)+[^\W\d_]{2,}\b/g).filter(function (x) { if (!x.match(/@/)) return x })
[ 'tot.toc.toc',
  '11foo.com',
  'toto.net',
  'toto.example.org',
  'foo.bar',
  'f00bar.com' ]

Answer 2

经过大量的捣乱后，最终工作（对@ zmo的最终评论有明确的帽子提示）：

var rx = /\b(www\.)?(\w*@)?([a-zA-Z\-]*\.)(com|org|net|edu|COM|ORG|NET|EDU)(\.au)?(\/\S*)?/g;
var link = txt.match(rx);
    if(link !== null) {
    for(var i = 0; i < link.length; i++) {
      if (link[i].indexOf('@') == -1) {
         //create link
       } else {
        //create mailto;
       }
       }
       }

我知道子域名，顶级域名等方面的局限性（@ zmo已经解决了上述问题 - 如果您需要捕获所有网址，我建议您调整该代码），但是在我的情况下，这不是主要问题。我的答案中的代码允许匹配文本字符串中没有“www。”的URL，而不会捕获电子邮件地址的域。

正则表达式匹配domain.com但不匹配@ domain.com

2 个答案: