排除前面有某个字符的正则表达式匹配

Question

我有以下几点：

Regex urlRx = new Regex(@"((https?|ftp|file)\://|www.)[A-Za-z0-9\.\-]+(/[A-Za-z0-9\?\#\&\=;\+!'\(\)\*\-\._~%]*)*", RegexOptions.IgnoreCase);

这匹配所有 URL，但我想排除那些前面有字符 " 或 ' 的 URL。我一直在尝试使用其他解决方案 (Regex to exclude [ unless preceded by \) 来实现这一目标，但未能通过。

如果我有这个，我应该得到一个匹配：

The brown fox www.google.com

但是，如果我有这个：

The brown fox <a href="www.google.com">boo</a>

我不应该得到匹配，因为"。如何实现？

Answer 1

你需要一个消极的后视：在你的正则表达式前加上(?<!["'])。

解释：

• (?<!...) 表示：直接前面当前位置的东西不能匹配...。
• ["'] 只是一个字符组，包含您要排除的两个字符。

注意：在@"..." 字符串中，双引号通过将它们加倍来进行转义，因此您的代码将显示为：

Regex urlRx = new Regex(@"(?<![""'])((https?|ftp|file)...

在 VB 中：

Dim urlRx As New Regex("(?<![""'])((https?|ftp|file)...