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).)*"/

其中的结果如下：

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了额外的标签。我尝试了以下修正案，以便在第一个"停止：

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

它的工作原理是它返回href =“$ url”，但它返回以.js结尾的结果。有没有办法结合一个负面的前瞻说：

匹配字符串，直到遇到另一个" - 即[^"]*; 和
如果字符串以.js"

提前感谢任何帮助/提示/指示。

Answer 1

添加“？”在最后一个引用之前的“*”。这将使“*”非贪婪，即：它将在第一个引号停止匹配，而不是最后一个

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

Answer 2

如果您只想拒绝字符串末尾的.js，则可以在字符串匹配的最后部分使用以下内容：

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

按此Rubular

Answer 3

这里有点不同。我在Debuggex中使用了这个表达式：

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

将它编译成这个：

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

Live Demo

Answer 4

修改

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

修正了它：

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

请注意，前瞻是检查不包含.js 或 "的任何字符串（在域之后），这两种字符串都会导致其无效。它允许href以[{1}}结尾，因为它们只有在到达第一个.css时才会失败，这是所需的行为。

具有多个负面条件的正则表达式预测

4 个答案: