使用正则表达式

Question

我有这个正则表达式（使用javascript），用于检测域中的任何URL，但没有一个包含“ mysite”（又称为“ example”，因为stackoverflow过滤器）的URL。

(?<protocol>\w+s?:\/\/)?(?<subdomain>\w+\.)(?<domain>(?!example)(\w+))(?<tls>\.\w{2,4})(?<querystring>\/.*)?\S*

• ？协议以检测URL的协议（http，https，ftp等...
• ？子域以检测任何子域
• ？域以检测任何域（这里是我要排除mysite的地方）
• ？tls来检测.com，.org等...
• ？querystring来检测URL的其余部分

示例：

No detected
https://www.example.org/hello?
http://www.example.org/hello
https://blog.example.org/hello? 
example.org
www.example.org

Detected
www.example.org
www.www.example.org
example.org

You can see this regex and examples on regex101 here

Answer 1

正如与您讨论的那样，有几件事需要注意。在下面提到其中的一些

• 域级别组需要一个*，因为您想允许它零次或多次。
• 需要将其包含在单词边界中，以防止其部分与文本匹配。
正则表达式末尾的
• .*必须替换为\S*，以避免与URL中的任何空格匹配

通过这些更改，您已更新且有效的正则表达式将变为

\b(?<protocol>\w+s?:\/\/)?(?<subdomain>\w+\.)*(?<domain>(?!mysite)(\w+))(?<tls>\.\w{2,4})(?<querystring>\/\S*)?\b

Demo