匹配给定的正则表达式，除非存在给定的单词（lookahead or lookbehind）

Question

我正在使用 javascript 正则表达式来解析一系列 URL。我需要匹配 URL 中的数字（实际上更复杂，但我正在简化），但只想匹配给定单词不在 URL 中的数字。

也就是说，我想排除其中包含“changelogs”一词的行，因此会捕获“1047”、“1048”、“1245 ' 和 '1049' 来自以下列表；

http://www.opera.com/docs/changelogs/unified/1215/
http://www.whatever.com/docs/changelogs/anythingelse/anything/1215/
http://www.blabblah/security/advisory/1047
http://booger/security/advisory/1048/
ftp://msn.global.whatever/somethingelse/1245
whatever/it/doesnt/matter/could/be/anything/i/still/want/this/number/1049/

我知道我需要某种环顾四周、前瞻后瞻的方式，但我正在三振出局。这是我尝试过的最后一种模式；

(?!changelogs)(\d+)

Here is the regex101 sandbox I'm using.

此外，唯一匹配的是实际数字也很重要。我不希望其他任何东西匹配。

---

这是我的 .NET 代码的样子（注意“BulletinOrAdvisoryPattern”是有问题的正则表达式）...

Regex bulletinPattern = new Regex(@matchingDomain.Vendor.BulletinOrAdvisoryPattern, RegexOptions.IgnoreCase );
Match bulletinMatch = bulletinPattern.Match(referenceTitle);

                    if (bulletinMatch.Success)
                    {
                        //Found the bulletin ID in the NVD Reference Title 
                        return bulletinMatch.Value;
                    }

Answer 1

你需要的“丑陋”的正则表达式是

(?<=http://www\.opera\.com\b(?!.*/changelogs(?:/|$))\S*)\d+

见.NET regex demo

然而，你所需要的只是

var result = input.Contains("/changelogs/") ? "" : input.Trim('/').Split('/').LastOrDefault();

见IDEONE C# demo：

var lst = new List<string>() {"http://w...content-available-to-author-only...a.com/docs/changelogs/unified/1215/",
    "http://w...content-available-to-author-only...a.com/docs/changelogs/anythingelse/anything/1215/",
    "http://w...content-available-to-author-only...a.com/security/advisory/1047",
    "http://w...content-available-to-author-only...a.com/security/advisory/1048/",
    "http://w...content-available-to-author-only...a.com/doesnt/matter/could/be/anything/1049/"};
lst.ForEach(m => Console.WriteLine(
        m.Contains("/changelogs/") ? "" : m.Trim('/').Split('/').LastOrDefault()
    ));

更新

您将语言从 C# 切换到 JavaScript，这极大地改变了这种情况，因为 JS 正则表达式引擎不支持后视。

因此，您必须解决它，并且有一些方法可以模仿后视，或者只是使用捕获机制。

如果你可以使用捕获，试试

/^(?!.*\/changelogs(?:\/|$)).*\/(\d+)/

见regex demo

var re = /^(?!.*\/changelogs(?:\/|$)).*\/(\d+)/gmi; 
var str = 'http://www.opera.com/docs/changelogs/unified/1215/\nhttp://www.whatever.com/docs/changelogs/anythingelse/anything/1215/\nhttp://www.blabblah/security/advisory/1047\nhttp://booger/security/advisory/1048/\nftp://msn.global.whatever/somethingelse/1245\nwhatever/it/doesnt/matter/could/be/anything/i/still/want/this/number/1049/';
var res = [];
 
while ((m = re.exec(str)) !== null) {
  res.push(m[1]);
}
document.body.innerHTML = JSON.stringify(res, 0, 4);

或者，使用可选组（如果要替换）：

var re = /(\/changelogs\/.*)?\/(\d+)/gi; 
var str = 'http://www.opera.com/docs/changelogs/unified/1215/\nhttp://www.whatever.com/docs/changelogs/anythingelse/anything/1215/\nhttp://www.blabblah/security/advisory/1047\nhttp://booger/security/advisory/1048/\nftp://msn.global.whatever/somethingelse/1245\nwhatever/it/doesnt/matter/could/be/anything/i/still/want/this/number/1049/';
var result = str.replace(re, function (m, g1, g2){
  return g1 ? m : "NEW_VAL";
});
document.body.innerHTML = result;

Answer 2

类似下面的东西应该可以做到。如果您不仅对歌剧感兴趣，则可以通过将 opera 替换为 .+ 来将其调整为更通用。此外，您可以将 com 和 net 之类的东西匹配为 (com|net|org|gov) 之类的东西来代替 com：

http:\/\/www\.opera\.com(?!.*changelogs)(\/[^\/]+)*\/(\d+)\/{0,1}

Here is your regex 101 updated to reflect this

Answer 3

此模式排除其中包含“更改日志”的行，并查找最后出现的由斜线封装的数字。

(?:\/)(?!.*changelogs)(?:\/[^\/]+)*\/(\d+)\/{0,1}

这里是updated regex 101。