javascript - 正则表达式匹配domain.com但不匹配@ domain.com

这应该很简单，但这使我难以理解。无论有没有协议(protocol)，有没有www，都有很多匹配正则表达式的好坏方法。我的问题是(在javascript中):如果我使用正则表达式来匹配文本字符串中的URL，并将其设置为仅与“domain.com”匹配，它还会捕获电子邮件地址的域( “@”后面的部分)，我不希望这样。负向查找可以解决问题-但显然在JS中无法解决。

到目前为止，这是我最近的成功:

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

但是如果匹配不在字符串的开头，则失败。而且我敢肯定我会以错误的方式解决它。哪里有简单的答案？

编辑:修改后的正则表达式以回应以下一些评论(坚持以“www”开头，而不是允许子域:

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

但是，如评论中所述，这仍然与@之后的域匹配。

谢谢

最佳答案

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

尽管它仍与域前的空格匹配。而且它对域做出了错误的假设……

xyz.example.org是与您的正则表达式不匹配的有效域；

www.3x4mpl3.org是与您的正则表达式不匹配的有效域；

example.co.uk是与您的正则表达式不匹配的有效域；

ουτοπία.δπθ.gr是与您的正则表达式不匹配的有效域。

什么定义合法域名？它只是由点分隔的utf-8字符序列。它不能有两个点接一个，标准名称是\w\.\w\w(因为我认为不存在一个字母tld)。

不过，我要做的是简单地匹配所有看起来像域的东西，方法是使用单词边界(\b)将所有带有点分隔符的文本作为文本:
/\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 [e-mail] toto.example.org  uaoeu foo.bar aoeuaoeu".match(/\b(\w+\.)+\w+\b/g)
["example.org", "toto.example.org", "foo.bar"]
js> "aoe [e-mail] 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，在找到的域列表中该域是否确实存在。缺点是javascript中的正则表达式无法检查unicode字符，并且\b或\w都不会接受ουτοπία.δπθ.gr作为有效域名。

在ES6中，有 /u modifier，它可以与最新的浏览器一起使用(但到目前为止我还没有测试过):

"ουτοπία.δπθ.gr aoe [e-mail] toto.example.org  uaoeu foo.bar aoeuaoeu".match(/\b(\w+\.)+\w+\b/gu)

编辑:



是的，它将:为了跳过所有电子邮件地址，下面是正则表达式实现的工作原理:
/(?![^@])?\b(\w+\.)+\w+\b/g

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

尽管它与unicode相同...但很快就会在JS中出现...

解决这个问题的唯一方法是，将@实际保留在匹配的正则表达式中，并丢弃任何包含@的匹配项:

js> "toto.net aoe [e-mail] 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中的新列表理解功能，该功能应在现代浏览器中使用…

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

最后更新:
/@?\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 [e-mail] 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' ]