正向表達式與負面展望

Question

我想構建一個正則表達式，以從內容中刪除鏈接，除非它包含2個條件中的1個。

<a.*?href=[""'](http[s]?:\/\/(.*?)\.link\.com)?\/(?!m\/).*?<\/a> 

這將匹配link.com的任何鏈接，該鏈接在域部分末尾沒有m /。我想所以簡化版，網址相匹配的是鏈接到PDF文件，無論以m/url中的稍微改變這一點，我想出了：

<a.*?href=["'](http[s]?:\/\/(.*?)\.brodies\.com)?\/(?!m\/).*?\.(?!pdf)["'].*?<\/a> 

這是戶外等都非常接近，除了現在只有當URL有「。」時纔會匹配。最後 - 我可以看到它爲什麼這樣做。我似乎無法制作「。」可選的，因爲這會導致「。」之前的非貪婪模式。繼續下去，直至碰到[「']

任何幫助將是一件好事，以幫助解決這個問題。

感謝 保羅

Answer 1

你可能想使用(?<!\.pdf)["']，而不是\.(?!pdf)["']。

但請注意，此表達式有幾個問題，解決它們的最佳方法是使用適當的HTML解析器。

Answer 2

首先，RegEx match open tags except XHTML self-contained tags。

這就是說，（因爲它可能不會阻止），這裏是一個稍微更好的約束版本的你想要的，但要注意的是這還不夠好！ http://rubular.com/r/obkKrKpB8B：

<a[^>]+?href\s*=\s*["'](https?:\/\/[^"']*?\.link\.com)?\/(?!m\/)[^"']*?\.(?!pdf)[^"']*?["'][^>]*?>.*?<\/a> 

你可以看到這個正則表達式的運行實例。

你的問題實際上只是你正在尋找一個引號字符後立即點，在這裏：.(?!pdf)["']。