2

此代码片段来自《精通正则表达式》一书。我无法理解带有负面回顾的最后一部分（评论 # Not allowed to end with [.,?!]）。该表达式将如何[?!,.] 从http://www.google.com/foo!or中删除http://www.google.com/bar\!？

# Turn HTTP URLs into links . . . 
$text =~ s{
   \b
   # Capture the URL to $1 . . . 
   (
      http:// [-a-z0-9]+(\.[-a-z0-9]+)*\.(com|edu|info) \b   # hostname
      (
         / [-a-z0-9_:\@&?=+,.!/~*'%\$]* # Optional path
         (?<![.,?!])    # Path not allowed to end with [.,?!]
      )?
   )
}{<a href="$1">$1</a>}gix;

print $text; # Finally, display the HTML-ized text.
4

2 回答 2

4

它不会。它在表达式的一部分是可选路径被匹配，并且由于没有路径 in http://www.google.com，它不会有任何效果。

于 2014-06-10T11:24:03.570 回答
3

这个想法是，当[-a-z0-9_:@&?=+,.!/~*%\$]+它耗尽所有可能的东西时，它将控制权交给后视。如果后视系统看到这些句子标点字符之一，它会报告失败并将控制权交还给该[-a-z0-9_:\@&?=+,.!/~*%\$]+部分。它后退一个位置，“归还”它消耗的最后一个角色，然后再次将手交给后视。

在 的情况下www.google.com/foo!，lookbehind 现在将查看o，因此它报告成功并且整体匹配成功。

但是，当您尝试匹配www.google.com/bar\!lookbehind 时，永远没有机会查看 bang ( !)。[-a-z0-9_:\@&?=+,.!/~*%\$]+不匹配反斜杠，因为它们在 URL 中是不合法的。它在消耗完 后停止r，这一次后视成功而无需回溯。

编辑：回答评论中的问题：是的，您可以使用以下内容：

\b(https?|ftp|file)://[-A-Z0-9+&@#/%?=~_|$!:,.;]*[A-Z0-9+&@#/%=~_|$]

在后向正则表达式消耗无效字符并将它们备份的地方，这个正则表达式首先不会消耗它们。但并不总是可以这样做。例如，如果您要排除的内容是整个单词而不是单个字符怎么办？那会变得非常丑陋，非常快。我的意思是，看看你必须输入的所有字符，只是为了完成这个最基本的匹配任务。

于 2014-06-10T12:42:39.027 回答