Question

我有一个网站，用户可以使用自己的内容创建子网站。它就像wix.com。可以在内容中创建链接，并且一些用户滥用此功能来链接到恶意软件站点。

用户的内容存储在一个名为pages的表格中的MySQL数据库中，位于content列内。

我想找到每个包含以＆＃34; http＆＃34;开头的字符串的内容。但不要包含我的两个域之一（让我们说它们是mysite.com和another.com）。这会有所帮助，因为几乎每个内容都包含指向这两个网站的链接，但很少包含指向其他网站的链接。

例如：我想抓住http://badsite.com，但我不想抓住http://subdomain.mysite.com/page1或http://name.another.com/?page=products

此外，即使文本中还包含指向我的某个域的链接（例如http://badsite.com），我也希望抓住http://sub.mysite.com/。因此，下面的查询无效：

select * 
from pages
where content like '%http%'
  and content not like '%mysite.com%'
  and content not like '%another.com%'

我想要捕获的文字示例：

Lorem ipsum dolor sit amet，consectetur adipiscing elit，＆lt;一个 HREF =＆＃34; http://sub.mysite.com/ ＆＃34;＆GT; SED＆LT; / A＆GT;做eiusmod＆lt;一个 HREF =＆＃34; http://badsite.com ＆＃34;＆GT; tempor＆LT; / A＆GT; incididunt ut labore et dolore magna aliqua。

我不想捕捉的文字示例：

Lorem ipsum dolor sit amet，consectetur adipiscing elit，＆lt;一个 HREF =＆＃34; http://sub.mysite.com/ ＆＃34;＆GT; SED＆LT; / A＆GT;做eiusmod＆lt;一个 HREF =＆＃34; http://prefix.another.com/page2 ＆＃34;＆GT; tempor＆LT; / A＆GT; incididunt ut labore et dolore magna aliqua。

简而言之，我希望找到所有链接到mysite.com或another.com以外的任何域名的网页。

我认为我必须使用正则表达式，但我不知道该怎么做。

Answer 1

请查看此部分：https://dev.mysql.com/doc/refman/5.7/en/regexp.html

对于条件组合，请考虑使用逻辑运算的括号，它们会帮助您表达您想要的任何内容，例如：

(cond1 OR cond2) AND NOT cond3 AND cond 4 ...等等，等等

MySql正则表达式在文本中查找不同的字符串

1 个答案: