PCRE Regex - 替换序列化字符串中的 URL答案

【问题标题】：PCRE Regex - replacing URLs in serialised stringsPCRE Regex - 替换序列化字符串中的 URL
【发布时间】：2019-03-07 20:11:39
【问题描述】：

我正在将一些站点迁移到不同的 URL，但我注意到数据库中有很多包含 URL 的序列化条目。我想出了一个相对简单的正则表达式来匹配以 URL 开头的字符串，但情况并非总是如此。这是我正在使用的正则表达式。

s:(\d+?):\\\"(https?:\/\/)?example\.com

这与以下内容完美匹配： s:15:\"http://example.com\" 但如果它之间有什么像：s:15:\"foo bar example.com\" （在这种情况下只是例子）我尝试在此处添加.*? 之类的内容以匹配其间的字符，但随后正则表达式捕获了太多内容。

tl;dr 我如何停止正则表达式捕获太多。这是我对虚拟样本使用的正则表达式。 https://regex101.com/r/3GRdLO/1

【问题讨论】：

尝试[^"]*?（除"之外的任何字符，0+次，尽可能少）而不是.*?。见demo。
您好 Wiktor，感谢您的调查。看起来比以前更近了一点，尽管我认为我仍然会遇到一个不匹配的问题。即，如果该 URL 在标记内（如果网站是使用页面构建器构建的，则通常是这种情况），例如 regex101.com/r/3GRdLO/3
试试s:(\d+):\\\"[^\\]*(?:\\(?!\")[^\\]*)*?(https?:\/\/)?example\.com，见demo。

【解决方案1】：

您可以匹配除 s:(\d+):\\\" 和模式其余部分之间的转义双引号以外的任何文本：

s:(\d+):\\\"[^\\]*(?:\\(?!\")[^\\]*)*?(https?:\/\/)?example\.com

请参阅regex demo。

添加的模式是[^\\]*(?:\\(?!\")[^\\]*)*?:

[^\\]* - 除\ 之外的任何 0+ 个字符
(?:\\(?!\")[^\\]*)*? - 0+ 次出现，尽可能少，以下序列：
- \\ - 反斜杠
- (?!\") - 后面没有双引号
- [^\\]* - 除 \ 之外的任何 0+ 个字符

【讨论】：

您好维克托，感谢您的帮助。认为我最终到达了那里（主要是由于您的帮助......）我在正则表达式的一块周围添加了一个量词，因此它还可以检查同一个序列化字符串中的多次出现。你可以在这里看到它：regex101.com/r/3GRdLO/9
@Rhys 我的模式提供了expected results