Php 如何在正则表达式中包含或排除某些特定模式？

我正在尝试匹配URL的某些部分。首先，我只想找到这样的匹配项：

http://Stackoverflow.com/questions/blah/balh.blah  
http://www.stackoverflow.com/questions/blah/balh.blah  
stackoverflow.com/questions/blah/balh.blah
www.stackoverflow.com/

但是我想使用其他协议，比如

https

和

ftp

。 我自己写了这样的东西，一点也不好：

（（http:\/\/\；https:\/\/\；ftp:\/\/）*）（（www.）*）（[a-z]+）（[a-z]{2,3}）（\/）*

这个正则表达式有很多问题，我需要弄清楚如何修复它。
首先，我如何指定例如只有

http

或

https

有效，而不是

htttp

或

hazzzt

等 更准确地说：

我们如何指定要包含或排除的特定单词

现在很清楚的是，

（http）

并不像单词一样，它只是一组字符，所以任何只有其中一个字母的单词都会得到匹配。 我读过关于作为单词边界的

\b

，但它似乎并不意味着将

\bhttp\b

视为单个单词而不是一组字符

对于

www

部分，匹配

wwww

和

ww

或任何其他数量的

w

s！ 我总是得到一个匹配，无论我输入什么！

---

我用来测试正则表达式

也许您可以使用PHP过滤器功能

if (filter_var($url, FILTER_VALIDATE_URL) !== false)

FILTER_VALIDATE_URL根据RFC 2396验证URL

---

不要认为你需要外圆括号，例如下面的括号是为了匹配http://或www。（确保你逃过了句号）

另外，若您使用的是preg_match，那个么apache.htaccess for jnstance和您使用的字符表示模式的开始和结束，就像#

---

侯赛因，你的问题中有几个要点和问题

A.如何在正则表达式中包含或排除某些特定模式？

有很多技巧。对于简单模式，可以使用负字符类或负查找来指定所需内容，也可以指定不需要的内容。对于更复杂的模式，一个很好的起点是

B.如何包含或排除特定单词？

通常，为了确保特定单词属于或不属于字符串，如果您不知道其位置，请在字符串开头进行前瞻（或负前瞻）：

^(?=.*?MyWord)   # makes sure the word is there

或

C.

现在很清楚的一点是，（http）并没有被当作一个单词来对待，它只是一组字符，所以任何只有其中一个字母的单词都会得到匹配

这是不对的<代码>（http）将只匹配

http

。例如，它将不匹配

ptth

。也许您正在考虑

[http]

，这将是一个字符类，允许字符h、t和p只匹配一次（而且效率很低，因为

[pth]

就可以了）

D.如何匹配URL的各个部分

对此有很多解决方案，但今天我建议不要重新发明轮子。为此，我可以推荐RegexBuddy库中的regex吗？是的

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

下面是一个令牌对令牌的解释（我在开头添加了不区分大小写的

（？I）

修饰符）

• 在单词边界处断言位置（位置前面或后面，但不能同时有Unicode字母、数字或下划线）

  \b

• 匹配下面的正则表达式，并将其匹配捕获到backreference number 1

  （（？#协议）https？| ftp）

  • 匹配此备选方案（仅当此备选方案失败时才尝试下一个备选方案）

    （？#协议）https？

    • 注释：协议

      （？#协议）

    • 按字面意思匹配字符串“http”（不区分大小写）

      http

    • 按字面意思匹配字符“s”（不区分大小写）

      s？

      • 在0到1次之间，尽可能多次，根据需要回馈（贪婪）

        ？

  • 或者匹配此选项（如果此选项不匹配，则整个组将失败）

    ftp

    • 按字面意思匹配字符串“ftp”（不区分大小写）

      ftp

• 匹配字符串“：//”字面上的

  ：//

• 匹配下面的正则表达式，并将其匹配捕获到backreference number 2

  （（？#domain）[-A-Z0-9.]+）

  • 注释：域

    （？#域）

  • 匹配下面列表中的单个字符

    [-a-Z0-9.]+

    • 在一次和无限次之间，尽可能多次，根据需要回馈（贪婪）

      +

    • 文字字符“-”

      -

    • 介于“A”和“Z”之间的字符（不区分大小写）

      A-Z

    • 介于“0”和“9”之间的字符

      0-9

    • 文字字符“.”

• 匹配下面的正则表达式，并将其匹配捕获到反向引用编号3

  （（？#文件）/[-A-Z0-9+&@#/%=~ |！：，.；]*）？

  • 在0到1次之间，尽可能多次，根据需要回馈（贪婪）

    ？

  • 注释：文件

    （？#文件）

  • 按字面意思匹配字符“/”

    /

  • 匹配下面列表中的单个字符

    [-a-Z0-9+&@#/%=~ |！：，.；]*

    • 在零次和无限次之间，尽可能多次，根据需要回馈（贪婪）

      *

    • 文字字符“-”

      -

    • 介于“A”和“Z”之间的字符（不区分大小写）

      A-Z

    • 介于“0”和“9”之间的字符

      ^(?=.*?MyWord)   # makes sure the word is there
      

      ^(?!.*?MyWord)   # makes sure the word is not there
      

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