匹配所有“http”仅限没有附加字符的 URL

Question

我尝试过下面的表达方式。

(http:\/\/.*?)['\"\< \>]


(http:\/\/[-a-zA-Z0-9+&@#\/%?=~_|!:,.;\"]*[-a-zA-Z0-9+&@#\/%=~_|\"])

第一个做得很好，但总是给出最后一个额外的字符和匹配的 URL。

例如：

http://domain.com/path.html" 

http://domain.com/path.html<

请注意

" <

，我不希望它们带有 URL。

Answer 1

您可以使用前瞻而不是使 ['\"\< >] 成为匹配的一部分，即：

(http:\/\/.*?)(?=['\"\< >])

一般来说，而 ab 匹配 ab （如果后面跟着 b）。

a匹配

• code>, a(?=b)与 www.regular-expressions.info/lookaround.html" rel="nofollow noreferrer">regular-expressions.info/Lookarounds

相关问题

• 正则表达式(?<=#)[^#]+(?=#)如何工作？

---

捕获组选项

Lookarounds 并非所有风格都支持。

一般来说，虽然 (a)b 仍然匹配 ab，但它也捕获 a<。 /code> 在第 1 组中。

参考文献

• regular-expressions.info/Round Brackets for Grouping

相关问题

• 如何匹配但排除正则表达式模式？

---

否定字符类选项

根据需要，通常使用否定字符类比使用不情愿的 .*? （后跟前瞻来断言终止符模式）要好得多在这种情况下）。

让我们考虑匹配“A 和 ZZ 之间的所有内容”的问题。事实证明，这个规范是不明确的：我们将提出 3 种模式来执行此操作，并且它们将产生不同的匹配。哪一个是“正确的”取决于预期，而原始陈述中没有正确传达这一点。

我们使用以下内容作为输入：

eeAiiZooAuuZZeeeZZfff

我们使用 3 种不同的模式：

• A(.*)ZZ 产生 1 个匹配：AiiZooAuuZZeeeZZ (如 ideone.com 上所见）
  • 这是贪婪变体；第 1 组匹配并捕获iiZooAuuZZeee
• A(.*?)ZZ 产生 1 个匹配：AiiZooAuuZZ (如 ideone.com 上所示）
  • 这是不情愿的变体；第 1 组匹配并捕获iiZooAuu
• A([^Z]*)ZZ 产生 1 个匹配：AuuZZ (如 ideone.com 上所示）
  • 这是否定字符类变体；第 1 组匹配并捕获uu

以下是它们匹配内容的直观表示：

         ___n
        /   \              n = negated character class
eeAiiZooAuuZZeeeZZfff      r = reluctant
  \_________/r   /         g = greedy
   \____________/g

参考文献

• regular-expressions.info/Character Class 和重复：懒惰的替代方法

相关问题

• .*? 和 < code>.* 用于正则表达式

Answer 2

您需要使用“(?=regex)”（lookahead），它查找特定模式，但不将其包含在结果中：

http:\/\/.*?(?=['\"\< >])

Answer 3

嗯，我可能会简单地通过说“继续前进，直到得到不需要的字符”来做到这一点，如下所示：

http://[^'"< >]*

转义版本（基于 Q - 不确定这是什么引擎）：

http:\/\/[^'\"\< >]*

但是 polygenelubricants 的前瞻解决方案是一种更灵活的方式，如果 URL 中可能包含其中一些字符（但不在末尾）。