解析短网址的正则表达式答案

【问题标题】：regular expression to parse short urls解析短网址的正则表达式
【发布时间】：2009-06-28 17:46:56
【问题描述】：

我的网站上有一个可能的网址列表，例如
1 http://dev.site.com/People/
2 http://dev.site.com/People
3 http://dev.site.com/Groups/
4 http://dev.site.com/Groups
5 http://dev.site.com/
6 http://dev.site.com/[extraword]

我希望能够匹配所有像 6 这样的 url 并将它们重定向到
http://dev.site.com/?Shorturl=extraword

但我不想重定向前 5 个网址

我尝试了类似
((.*)(?!人物|群组))\r

但出了点问题。
有什么帮助吗？谢谢

【问题讨论】：

这是为了 mod_rewrite 还是别的什么？

标签： regex short-url

【解决方案1】：

您应该在开头检查它不是People 或Groups：

(?!People|Groups)(.*)

目前您正在检查正则表达式后面是否没有 People 或 Groups。

根据您使用的语言/框架，您可能还需要使用^ 和$ 来确保匹配整个字符串：

^(?!People|Groups)(.*)$

您还应该考虑是否要匹配以People 开头的网址，例如。 http://dev.site.com/People2/。所以这可能会更好：

^(?!(?:People|Groups)(?:/|$))(.*)$

它会检查对 People 或 Groups 的否定匹配是否跟在 URL 的末尾或斜杠之后。

您可能需要确保不匹配空字符串，因此请使用.+ 而不是.*：

^(?!(?:People|Groups)(?:/|$))(.+)$

如果你想要一个不带任何斜线的单词：

^(?!(?:People|Groups)(?:/|$))([^/]+)$

【讨论】：

我已经尝试了你所有的例子（在 C# 中），但它们都不起作用 - 它们都导致所有字符串匹配：/
我认为他只是匹配 URL 的路径部分。

【解决方案2】：

在您的正则表达式中，(.*) 子模式消耗整个字符串，然后导致负前瞻成功。

您需要一个否定的前瞻来排除 People|Groups，然后您需要捕获额外的单词（并且该单词需要包含一些内容，否则我们希望匹配失败）。这里的关键部分是负前瞻不会消耗任何字符串，因此您可以捕获额外的单词以供后续在您尝试构建的重定向 URL 中使用。

这是 Perl 中的一个解决方案，但该方法在 C# 中应该适用于您：

use warnings;
use strict;

while (<DATA>){
    print "URL=$1  EXTRA_WORD=$2\n"
        if /^(.*)\/(?!People|Groups)(\w+)\/?$/;
}

__DATA__
http://dev.site.com/People/
http://dev.site.com/People
http://dev.site.com/Groups/
http://dev.site.com/Groups
http://dev.site.com/
http://dev.site.com/extraword1
http://dev.site.com/extraword2/

输出：

URL=http://dev.site.com  EXTRA_WORD=extraword1
URL=http://dev.site.com  EXTRA_WORD=extraword2

【讨论】：