Question

我有这个正则表达式：/href=('|")(\w+|\/dashboard)/匹配每个HTML锚点，其href以/dashboard或something/without/a/slash/at/the/beginning开头。

所以这个正则表达式匹配：

<a href="/dashboard/security-settings"></a> 
<a href='dashboard/security-settings'></a> 
<a href='something/security-settings'></a> 

但不是：

<a href="/home"></a> 
<a href="/about"></a> 

这里的问题是，它也符合：

<a href="http://www.google.com"></a> 
<a href="www.facebook.com"></a> 

如何过滤HREF的开始http或www从正则表达式？我试着玩了^运营商没有运气：

href=('|")(([^http][^www]|\w+)|\/dashboard) 

Answer 1

^一个character class作品的单个字母，而不是字符串内。所以[^http]实际上是指“匹配一个既不是h也不是t也不是p”的字符。

你需要一个negative lookahead assertion代替：

href=(['"])(?!http|www)(\w+|/dashboard) 

Answer 2

最简单的解决方法是：

/^href=['"](\w+|\/dashboard)/ 

的^操作（如果在正则表达式的开始时使用），可确保正则表达式只匹配在行的开头，所以它只匹配以href开头的字符串。

正如其他人所提到的，您可以使用负向预测来显式筛选以http或www开头的字符串。但是，如果字符串将以ftp://（或“http”或“www”以外的任何前缀）开头，则它仍然会使用“http”和“www”的负向查找进行匹配。在这种情况下使用白名单似乎更好，而不是包含你不想匹配的所有内容的黑名单。