正則表達式「沒有後跟」

Question

我正在編寫一個自定義URL檢測器，用於過濾目的，但是存在非URL錯別字的問題。

在英語中，用句點分隔的兩個句子應該有一個空格，但在大多數情況下，用戶不遵守這個規則。

我必須匹配沒有協議前綴的URL，基本上只有域名和2或3個字符的TLD。如何排除超過TLD 3字符規則的字符串？

例子：

youtube.com (should match) 

something.This (fragment of a sentence. Should not match because "This" contains 4 chars.) 

注意，這些字符串可以在草堆（開始，中間，結束）在任何地方。我現在正則表達式是這樣的：

.'((https?|ftp)://)?'   // Protocol (optional) 
.'(www(\.|\%2[Ee]))?'   // www prefix (optional) 
.'([a-zA-Z-]+(\.|\%2[Ee]))+' // domain strings separated by dot 
.'([a-zA-Z-]{2,3})'   // tld 2 or 3 chars (should not be followed by another alpha) 
.'([/\?]\S*)*'    // subdirectory or GET (optional) 

Answer 1

如果我要修改相應的成就正則表達式的話，我會去檢查頂級域名後加上正向前查找：

((https?|ftp):\/\/)?(www(\.|\%2[Ee]))?([a-zA-Z-]+(\.|\%2[Ee]))+([a-zA-Z-]{2,3}(?=\W|\b))([\/\?]\S*)* 

您可以在這裏看到：

((https?|ftp)://)?   // Protocol (optional) 
(www(\.|\%2[Ee]))?   // www prefix (optional) 
([a-zA-Z-]+(\.|\%2[Ee]))+ // domain strings separated by dot 
([a-zA-Z-]{2,3}(?=\W|\b)) // ... following a non-word character or a word boundary 
([/\?]\S*)*    // sub directory or GET (optional) 

Live demo