regex - 具有多个否定条件的正则表达式前瞻

Question

我正在对 HTML 字符串执行正则表达式以获取 URL。我想获取所有不是 javascript 的 href 和 src。从另一个 SO 帖子我有以下模式：

/(href|src)?\="http:\/\/www\.mydomain\.com\/(?:(?!\.js).)*"/

这让我得到如下结果：

src="http://www.mydomain.com/path/to/resource/image.gif" alt="" border="0"

这很好，因为它缺少.js结果。这很糟糕，因为它在元素中获取额外的标签。我尝试了以下修改以首先停止"：

/(href|src)?\="http:\/\/www\.mydomain\.com\/(?:(?!\.js).)[^"]*"/

它的工作原理是它返回 href="$url"，但它返回的结果以.js. 有没有办法结合一个负面的前瞻，它说：

提前感谢任何帮助/提示/指针。

score 3 · Accepted Answer

添加一个“？” 到最后一个引号之前的“*”。这将使“*”非贪婪，即：它将在第一个引号处停止匹配，而不是最后一个

/(href|src)?\="http:\/\/www\.mydomain\.com\/(?:(?!\.js).)*?"/

score 2 · Accepted Answer

这里有点不同。我用这个表达式使用了 Debuggex：

(?:src|href)=(?&.quotStr)(?<!\.js")

将其编译为这个：

$regex = '/(?:src|href)=(?:"((?:\\\\.|[^"\\\\]){0,})")(?<!\\.js")/';

score 1 · Accepted Answer

如果您只想.js在字符串末尾拒绝，则可以将以下内容用于字符串匹配的最后一部分：

"(?![^"]*\.js").*?"

按照这个规则

score 0 · Accepted Answer

编辑

请参阅：https ://stackoverflow.com/a/18838123/1163653以获得更好的解决方案。

修复：

/(href|src)?\="http:\/\/www\.mydomain\.com\/(?:(?!\.js"|").)*"/

请注意，前瞻正在检查任何不包含.js or "的字符串（在域之后），这两者都会导致它无效。它允许 href 以 through 结尾，.css因为它们仅在到达 first 时才会失败"，这是所需的行为。

4 回答 4