谷歌分析正則表達式 - 替代無負向預測

Question

Google Analytics不允許在其過濾器中使用負向預測。這被證明是非常難以創建一個自定義報告，只包括我希望它包括的鏈接。

包括負向前查找，如果啓用，將工作的正則表達式是：

test.com(\/\??index\_(.*)\.php\??(.*)|\/\?(.*)|\/|)+(\s)*(?!.) 

這符合：

test.com 
test.com/ 
test.com/index_fb2.php 
test.com/index_fb2.php?ref=23 
test.com/index_fb2.php?ref=23&e=35 
test.com/?ref=23 
test.com/?ref=23&e=35 

和不匹配（因爲它應該）：

test.com/ambassadors 
test.com/admin/?signup=true 
test.com/randomtext/ 

我正在尋找如何適應我的正則表達式仍然持有相同的比賽，但沒有使用消極的LO okahead。

謝謝！

Answer 1

谷歌分析似乎並不支持單和多行模式，這對我來說很有意義。網址不能包含換行符，所以點不匹配它們並沒有關係，並且從不需要^和$以匹配整個字符串的開頭和結尾的任何位置。

這意味着您的正則表達式中的(?!.)完全等同於$，它僅在字符串的最後匹配（如\z，支持它的風格）。既然這是你的正則表達式中唯一的向前看，你應該永遠不會有這個問題;你應該始終使用$。

但是，您的正則表達式有其他問題，主要是由於過度依賴(.*)。例如，它匹配這些字符串：

test.com/?^#(%)!*%supercalifragilisticexpialidocious 
test.com/index_ecky-ecky-ecky-ecky-PTANG!-vroop-boing_rowr.php (ni! shh!) 

......我很確定你不想要。 ：P

試試這個正則表達式：

test\.com(?:/(?:index_\w+\.php)?(?:\?ref=\d+(?:&e=\d+)?)?)?\s*$ 

或者其可讀性：

test\.com 
(?: 
/
    (?:index_\w+\.php)? 
    (?: 
    \?ref=\d+ 
    (?: 
     &e=\d+ 
    )? 
)? 
)? 
\s*$ 

爲了便於說明我做了很多簡化有關（例如）哪些參數可以存在的假設，他們將出現什麼樣的順序，以及他們的價值觀是什麼。我也想知道是否真的有必要匹配域（test.com）。我對Google Analytics沒有任何經驗，但是不應該在域名後面開始（並且被錨定）嗎？你真的必須在最後允許空白嗎？在我看來，正則表達式應該更像這樣：

^/(?:index_\w+\.php)?(?:\?ref=\d+(?:&e=\d+)?)?$ 

Answer 2

首先，我認爲你的正則表達式需要一些修復。讓我們來看看你有什麼：

test.com(\/\??index_.*.php\??(.*)|\/\?(.*)|\/|)+(\s)*(?!.) 

在您使用可選的?在index...開始的情況下，已經通過第二備選的照顧：

test.com(\/index_.*.php\??(.*)|\/\?(.*)|\/|)+(\s)*(?!.) 

現在，你可能只希望第一個(.*)被允許，如果實際上有一個字面?之前。否則，您將匹配test.com/index_fb2.phpanystringhereandyouprobablydon'twantthat。因此移動相應的可選標記：

test.com(\/index_.*.php(\?(.*))?|\/\?(.*)|\/|)+(\s)*(?!.) 

現在.*消耗任何字符並儘可能多。此外，php前面的.消耗任何字符。這意味着您將允許test.com/index_fb2php和test.com/index_fb2.html?someparam=php。讓我們作出這樣的文字.，只允許非問號字符：

test.com(\/index_[^?]*\.php(\?(.*))?|\/\?(.*)|\/|)+(\s)*(?!.) 

現在第一和第二個和第三個選項可以摺疊成一個，如果我們把文件名可選，太：

test.com(\/(index_[^?]*\.php)?(\?(.*))?|)+(\s)*(?!.) 

最後，+可以被刪除，因爲裏面的(.*)已經可以處理所有可能的重複。此外(something|)相同(something)?：

test.com(\/(index_[^?]*\.php)?(\?(.*))?)?(\s)*(?!.) 

看到您輸入的例子，這似乎是更接近你真正想要匹配的內容。

然後回答你的問題。 (?!.)的功能取決於您是否使用singleline模式。如果你這樣做，它斷言你已經到達了字符串的末尾。在這種情況下，您可以簡單地將它替換爲\Z，它總是匹配字符串的末尾。如果你不這樣做，那麼它就會斷言你已經達到了一條線的末端。在這種情況下，您可以使用$，但您還需要使用多線模式，以便$也與線結束匹配。

所以，如果你使用singleline模式（這可能意味着你必須每串僅一個URL），使用此：

test.com(\/(index_[^?]*\.php)?(\?(.*))?)?(\s)*\Z 

如果你不使用singleline模式（這可能意味着你可以有多個網址對自己的行），你也應該使用multiline模式，這種錨，而不是：

test.com(\/(index_[^?]*\.php)?(\?(.*))?)?(\s)*$