谷歌分析正则表达式 - 替代无负前瞻

Question

Google Analytics（分析）不再允许在其过滤器中使用负前瞻。事实证明，要创建仅包含我希望包含的链接的自定义报告非常困难。

如果启用它，则包含负前瞻的正则表达式是：

test.com(\/\??index\_(.*)\.php\??(.*)|\/\?(.*)|\/|)+(\s)*(?!.)

这匹配：

test.com
test.com/
test.com/index_fb2.php
test.com/index_fb2.php?ref=23
test.com/index_fb2.php?ref=23&e=35
test.com/?ref=23 
test.com/?ref=23&e=35

并且不匹配（应该如此）：

test.com/ambassadors
test.com/admin/?signup=true 
test.com/randomtext/

我正在寻找如何调整我的正则表达式以保持相同的匹配，但不使用负前瞻。

谢谢！

Answer 1

Google Analytics 似乎不支持单行和多行模式，这对我来说很有意义。 URL 不能包含换行符，因此点与它们不匹配无关紧要，并且 ^ 和 $ 不需要匹配整个字符串的开头和结尾之外的任何位置。

这意味着你的正则表达式中的(?!.) 完全等同于$，它只匹配字符串的末尾（如\z，在支持它的风格中）。由于这是您的正则表达式中唯一的前瞻，您不应该遇到这个问题；你应该一直在使用$。

但是，您的正则表达式还有其他问题，主要是由于过度依赖(.*)。例如，它匹配这些字符串：

test.com/?^#(%)!*%supercalifragilisticexpialidocious
test.com/index_ecky-ecky-ecky-ecky-PTANG!-vroop-boing_rowr.php (ni! shh!)

...我很确定你不想要。 :P

试试这个正则表达式：

test\.com(?:/(?:index_\w+\.php)?(?:\?ref=\d+(?:&e=\d+)?)?)?\s*$

或更易读：

test\.com
(?:
  /
  (?:index_\w+\.php)?
  (?:
    \?ref=\d+
    (?:
      &e=\d+
    )?
  )?
)?
\s*$

出于说明目的，我对（例如）可以存在哪些参数、它们将出现的顺序以及它们的值可以是什么进行了很多简化假设。我也想知道是否真的有必要匹配域（test.com）。我没有使用 Google Analytics 的经验，但匹配是否应该在 域之后开始（并锚定）？你真的必须在最后允许空格吗？在我看来，正则表达式应该更像这样：

^/(?:index_\w+\.php)?(?:\?ref=\d+(?:&e=\d+)?)?$

Answer 2

首先，我认为您的正则表达式需要一些修复。让我们看看你有什么：

test.com(\/\??index_.*.php\??(.*)|\/\?(.*)|\/|)+(\s)*(?!.)

在index... 的开头使用可选的? 的情况已经被第二种替代方案处理了：

test.com(\/index_.*.php\??(.*)|\/\?(.*)|\/|)+(\s)*(?!.)

现在您可能只希望允许第一个(.*)，如果之前确实有一个文字?。否则你将匹配test.com/index_fb2.phpanystringhereandyouprobablydon'twantthat。所以移动相应的可选标记：

test.com(\/index_.*.php(\?(.*))?|\/\?(.*)|\/|)+(\s)*(?!.)

现在.* 尽可能多地使用任何字符。此外，php 前面的 . 可以使用任何字符。这意味着您将允许test.com/index_fb2php 和test.com/index_fb2.html?someparam=php。让我们将其设为文字 . 并且只允许非问号字符：

test.com(\/index_[^?]*\.php(\?(.*))?|\/\?(.*)|\/|)+(\s)*(?!.)

现在第一个、第二个和第三个选项可以合并为一个，如果我们也将文件名设为可选：

test.com(\/(index_[^?]*\.php)?(\?(.*))?|)+(\s)*(?!.)

最后，+ 可以被删除，因为里面的(.*) 已经可以处理所有可能的重复。同样(something|) 与(something)? 相同：

test.com(\/(index_[^?]*\.php)?(\?(.*))?)?(\s)*(?!.)

看到您的输入示例，这似乎更接近您实际想要匹配的内容。

然后回答你的问题。 (?!.) 的作用取决于您是否使用singleline 模式。如果你这样做了，它就断言你已经到达了字符串的末尾。在这种情况下，您可以简单地将其替换为\Z，它始终匹配字符串的结尾。如果你不这样做，那么它断言你已经到了一行的末尾。在这种情况下，您可以使用$，但您还需要使用多行模式，以便$ 也匹配行尾。

所以，如果您使用singleline 模式（这可能意味着每个字符串只有一个 URL），请使用：

test.com(\/(index_[^?]*\.php)?(\?(.*))?)?(\s)*\Z

如果您不使用singleline 模式（这可能意味着您可以在自己的行中有多个 URL），您还应该使用multiline 模式和这种锚：

test.com(\/(index_[^?]*\.php)?(\?(.*))?)?(\s)*$