Question

我正在尝试匹配部分网址。首先，我试图只为这样的事情获得一场比赛：

http://Stackoverflow.com/questions/blah/balh.blah  
http://www.stackoverflow.com/questions/blah/balh.blah  
stackoverflow.com/questions/blah/balh.blah  
www.stackoverflow.com/

但我也希望使用其他协议，例如https和ftp。我自己写了一些这样的东西并不好：

((http:\/\/|https:\/\/|ftp:\/\/)*)((www.)*)([a-z]+).([a-z]{2,3})(\/)*

这个正则表达式存在很多问题，我需要弄清楚如何修复它首先，我如何指定只有http或https有效，而不是htttp或hazzzzt等？更确切地说：

我们如何指定要包含或排除的特定字词？

现在清楚的是，(http)不会被视为单词，它只是一组字符集，因此任何只有一个字母的单词都会匹配。我读过\b作为单词边界，但似乎\bhttp\b实际上并不意味着将http视为一个单词而不是一组字符！

对于www部分，匹配wwww和ww或任何其他数量的w！无论我输入什么，我总是得到一个匹配！我使用http://regex101.com/来测试正则表达式。

Answer 1

Hossein，你的问题中有几点和问题。

：一种。如何在正则表达式中包含或排除某些特定模式？

有很多技巧。对于简单模式，您可以指定所需内容，或指定不需要的内容，使用负字符类或负面外观。对于更复杂的模式，一个很好的起点是Match (or replace) a pattern except in situations s1, s2, s3 etc

<强> B中。如何包含或排除特定单词？

通常，为了确保特定单词属于或不属于字符串，如果您不知道其位置，则在字符串的开头处进行前瞻（或否定前瞻）：

^(?=.*?MyWord)   # makes sure the word is there

或

^(?!.*?MyWord)   # makes sure the word is not there

<强>℃。 What is clear now, is that (http) is not treated like a word, it is just a class set of characters, so any word that has only one of those letters gets a match

这是不正确的。 (http)只会与http匹配。例如，它不匹配ptth。也许您正在考虑[http]，这将是一个字符类，允许字符h，t和p匹配一次（并且[pth]会产生效率低效）

<强> d。如何匹配网址的部分

有很多解决方案，但今天我建议不要重新发明轮子。为此我可以在RegexBuddy库中建议正则表达式吗？它是

(?i)\b((?#protocol)https?|ftp)://((?#domain)[-A-Z0-9.]+)((?#file)/[-A-Z0-9+&@#/%=~_|!:,.;]*)?((?#parameters)\?[A-Z0-9+&@#/%=~_|!:,.;]*)?

下面是逐个令牌解释（我在开头添加了不区分大小写的(?i)修饰符。）

断言字边界处的位置（位于前面或后面的位置，但不是两个字母，数字或下划线）\b
匹配下面的正则表达式并将其匹配捕获到反向引用号1 ((?#protocol)https?|ftp)
- 匹配此备选方案（仅在此方案失败时尝试下一个备选方案）(?#protocol)https?
  - 评论：协议(?#protocol)
  - 字面匹配字符串“http”（不区分大小写）http
  - 字面匹配字符“s”（不区分大小写）s?
    - 在零到一次之间，尽可能多次，根据需要回馈（贪婪）?
- 或者匹配此替代方案（如果此组无法匹配则整个组都会失败）ftp
  - 字面匹配字符串“ftp”（不区分大小写）ftp
匹配字符串“：//”字面意思://
匹配下面的正则表达式并将其匹配捕获到反向引用号2 ((?#domain)[-A-Z0-9.]+)
- 评论：域(?#domain)
- 匹配以下列表中的单个字符[-A-Z0-9.]+
  - 在一次和无限次之间，尽可能多次，根据需要回馈（贪婪）+
  - 字面字符“ - ”-
  - “A”和“Z”之间范围内的字符（不区分大小写）A-Z
  - “0”和“9”0-9
  - 字面字符“。”.
匹配下面的正则表达式并将其匹配捕获到反向引用号3 ((?#file)/[-A-Z0-9+&@#/%=~_|!:,.;]*)?
- 在零到一次之间，尽可能多次，根据需要回馈（贪婪）?
- 评论：档案(?#file)
- 字面匹配字符“/”/
- 匹配以下列表中的单个字符[-A-Z0-9+&@#/%=~_|!:,.;]*
  - 在零和无限次之间，尽可能多次，根据需要回馈（贪婪）*
  - 字面字符“ - ”-
  - “A”和“Z”之间范围内的字符（不区分大小写）A-Z
  - “0”和“9”0-9
  - 列表中的单个字符“+＆amp; @＃/％=〜_ |！：，。;”+&@#/%=~_|!:,.;
匹配下面的正则表达式并将其匹配捕获到反向引用号4 ((?#parameters)\?[A-Z0-9+&@#/%=~_|!:,.;]*)?
- 在零到一次之间，尽可能多次，根据需要回馈（贪婪）?
- 评论：参数(?#parameters)
- 将字符“？”字面匹配\?
- 匹配以下列表中的单个字符[A-Z0-9+&@#/%=~_|!:,.;]*
  - 在零和无限次之间，尽可能多次，根据需要回馈（贪婪）*
  - “A”和“Z”之间范围内的字符（不区分大小写）A-Z
  - “0”和“9”0-9
  - 列表中的单个字符“+＆amp; @＃/％=〜_ |！：，。;”+&@#/%=~_|!:,.;

Answer 2

不要认为你需要外括号，例如下面是匹配http：//或www。（确保你逃避这段时间）

(http:\/\/|www\.)

另外如果你使用的是preg_match，对于jnstance的apache .htaccess会有一些细微的差别你使用一个字符来指示模式的开始和结束，如＃

$regEx = '#(http:\/\/|www\.)#';

Answer 3

也许你可以使用PHP过滤功能？

if (filter_var($url, FILTER_VALIDATE_URL) !== false)

FILTER_VALIDATE_URL根据RFC 2396验证URL。

http://www.php.net/manual/de/filter.filters.validate.php

如何在正则表达式中包含或排除某些特定模式？

3 个答案: