除“www”外的任何字符串的正则表达式？（子域）答案

【问题标题】：Regex for ANY string except "www"? (subdomain)除“www”外的任何字符串的正则表达式？（子域）
【发布时间】：2016-09-22 17:20:55
【问题描述】：

我想知道是否有人可以帮助我使用 C# 中的正则表达式。我认为这很简单，但我一直在为它绞尽脑汁，不太清楚为什么我会遇到这样的困难。 :)

我发现了一些例子，但我似乎无法操纵它们来做我需要的事情。

我只需要匹配任何不是“www”的字母数字+破折号子域字符串，直到“。”

另外，理想情况下，如果有人输入“www.subdomain.domain.com”，我希望尽可能忽略 www。如果不是，这不是一个大问题。

也就是说，我想匹配：

（测试）.domain.com
(test2).domain.com
(wwwasdf).domain.com
(asdfwww).domain.com
(w).domain.com
(wwwwww).domain.com
(asfd-12345-www-bananas).domain.com
www.（子域）.domain.com

我不想匹配：

(www).domain.com

在我看来这应该很容易，但我在“不匹配”部分遇到了麻烦。

对于它的价值，这是用于 IIS 7 URL 重写模块，为所有非 www 子域重写。

谢谢！

【问题讨论】：

你知道如何完全匹配所有你不想要的字符串吗？提示：如果你这样做了，你的问题就解决了，只需围绕匹配反转你的布尔逻辑。

标签： c# asp.net regex string rewrite

【解决方案1】：

域名的其余部分是否是常量，如.domain.com，如您的示例中所示？试试这个：

\b(?!www\.)(\w+(?:-\w+)*)(?=\.domain\.com\b)

解释：

\w+(?:-\w+)* 匹配您描述的通用域名组件（但更严格一些）。
(?=\.domain\.com\b) 确保它是第一个子域（即实际域名之前的最后一个子域）。
\b(?!www\.) 确保它不是www.（没有\b，它可以跳过第一个w 并仅匹配ww.）。

在我的测试中，此正则表达式与您在示例中突出显示的部分完全匹配，并且不匹配最后两个示例中的 www.。

编辑：这是与全名匹配的另一个版本，将片段捕获在不同的组中：

^((?:\w+(?:-\w+)*\.)*)((?!www\.)\w+(?:-\w+)*)(\.domain\.com)$

在大多数情况下，组$1 将包含一个空字符串，因为在子域名之前没有任何内容，但它是如何分解www.subdomain.domain.com：

$1: "www."
$2: "subdomain"
$3: ".domain.com"

【讨论】：

我认为您需要将 ?= 换成 ?: ，然后它可以在 regexplanet.com/simple/index.html 中使用。我不熟悉 ?= - 也许它仅在某些引擎上受支持。如果您还在开始和结束时使用 ^ 和 $，那么它比我的答案更好..
我不想匹配整个 URL，只是匹配示例中突出显示的部分。这就是为什么我在那里使用lookahead，以及为什么我没有使用锚点（^ 和$）。
艾伦，感谢您的回复。这似乎非常适合匹配，但我不确定如何对子域进行分组以进行替换。我的正则表达式有点弱。你有什么想法吗？
我实际上最终选择了这个，它似乎工作正常，除了 www.sub.domain.com，这现在很好。非常感谢您的指导！！ ^\b(?!www\.)(\w+(?:-\w+)*)(?:\.example\.com)$
@trnelson：看看我的编辑；您可能会发现正则表达式更易于使用。

【解决方案2】：

^www\.

并反转该位的逻辑，因此如果匹配，则您的字符串不符合您的要求。

【讨论】：

这并没有涵盖 OP 列出的所有情况。
这仍然没有涵盖所有列出的案例（特别是wwwwww.domain.com和wwwasdf.domain.com）。
@Oli 好点，现在我已经确保正则表达式检查它是否以 . 结尾。

【解决方案3】：

这行得通：

^(?!www\.domain\.com)(?:[a-z\-\.]+\.domain\.com)$

或者，为 Java（或 C#？）字符串使用必要的反斜杠：

"^(?!www\\.domain\\.com)(?:[a-z\\-\\.]+\\.domain\\.com)$"

可能有一种更简洁的方式（即只输入一次 domain.com），但这可行..

【讨论】：

【解决方案4】：

只需用 www 之后的所有内容替换原始内容（如果存在）（伪代码）：

str = re.sub("(www\.)?(.+)", "\2", str)

或者，如果您只想匹配那些“错误”的，请使用：

(www\.([^.]+)\.([^.]+))

如果你必须匹配所有好的，使用这个：

(([^w]|w[^w]|ww[^w]|www[^.]|www\.([^.]+)\.([^.]+)\.).+)

【讨论】：

这个不匹配wwwasdf.domain.com
@Mrchief：确实如此，它在替换中被单独留下。

【解决方案5】：

在这里大声思考：

^(?:www\.)?([^\.]+)\.([^\.]+)\.

在哪里...

(?:www\.)?在开始时寻找可能的“www”，非捕获
([^\.]+)\.查找子域（除了点之外的任何内容，直到点为止至少一次）
([^\.]+)\.查找以点结尾的域（除了点之外的任何内容，至少出现一次直到点为止）

注意：此表达式不适用于双子域： www.subsub.sub.domain.com

【讨论】：

有点像这个想法，这是我到目前为止想出的：(?:www\.)?(?:www)?([\w\-]*) \.example\.com 这似乎适用于：www.subdomain.example.com。但似乎仍然不适用于：www.example.com。

【解决方案6】：

这个：

^(?:www\.)?([^.]*)

它与您在问题中括号中的内容完全匹配。您将在组 (1) 中找到您的答案。您必须将其锚定到行首。使用这个：

^(?:www\.)?(.*)

如果您想要 URL 中除“www.”之外的所有内容。您没有在测试用例中包含的一个示例是“alpha.subdomain.domain.com”。如果您需要匹配除“www.”之外的所有内容，即不在字符串的“domain.com”部分中，请使用：

^(?:www\.)?(.+)((?:\.(?:[^./\?]+)){2})

它将解决您的所有案例，但此外，还将从我的附加测试案例中返回“alpha.subdomain”。并且，对于安可，将“.domain.com”放在第 2 组中，如果 url 中有目录或参数，则不会匹配。

我验证了所有这些回复here。

最后，为了矫枉过正，如果你想拒绝以“www.”开头的地址，你可以使用否定的lookbehind：

^....(?<!www\.).*

【讨论】：

太棒了，谢谢迈克尔。今晚当我跳回代码时，我会试一试！ :)

【解决方案7】：

我想我会分享这个。

(\\.[A-z]{2,3}){1,2}$

从末尾删除任何“.com.au”“.co.uk”。然后，您可以进行额外的查找以检测 URL 是否包含子域。

例如

subdaomin1.sitea.com.au
subdaomin2.siteb.co.uk
subdaomin3.sitec.net.au

全部变成：

subdomain1.sitea
subdomain2.siteb
subdomain3.sitec

【讨论】：