正则表达式匹配domain.com，但不支持@ domain.com

Question

这应该很简单，但它让我难以置信。有很多好的和坏的正则表达式方法来匹配一个URL，无论是否使用协议，使用或不使用www。我遇到的问题是这样的（在JavaScript中）：如果我使用正则表达式来匹配文本字符串中的URL，并将其设置为只匹配'domain.com'，它还会捕获电子邮件地址的域'@'之后的部分），我不想要。一个负面的背后隐藏解决了它 - 但显然不在JS中。

这是迄今为止我最近的成功：

/^(www\.)?([^@])([a-z]*\.)(com|net|edu|org)(\.au)?(\/\S*)?$/g 

但如果比赛是不是在字符串的开头失败。而且我相信我正在以错误的方式解决问题。那里有一个简单的答案吗？

编辑：修正则表达式来几个下面的评论作出回应（孜孜以求的“www”，而不是让子域：

\b(www\.)?([^@])(\w*\.)(\w{2,3})(\.\w{2,3})?(\/\S*)?$ 

正如但是评论中提到，这仍然域名之后匹配一个@。

感谢

Answer 1

经过大量的搞砸之后，这个结束了工作（用一个确定的帽子ti p来@ ZMO的最后评论）：

var rx = /\b(www\.)?(\w*@)?([a-zA-Z\-]*\.)(com|org|net|edu|COM|ORG|NET|EDU)(\.au)?(\/\S*)?/g; 
var link = txt.match(rx); 
    if(link !== null) { 
    for(var i = 0; i < link.length; i++) { 
     if (link[i].indexOf('@') == -1) { 
     //create link 
     } else { 
     //create mailto; 
     } 
     } 
     } 

我知道的局限性，对于子域，顶级域名等（其中@ ZMO上面已经解决了 - 如果你需要捕获所有的网址，我建议你修改该代码），但这不是我的情况中的主要问题。我的答案中的代码允许匹配不带“www。”的文本字符串中的网址，也不会捕获电子邮件地址的域。

Answer 2

如果比赛不在字符串的开头失败

那是因为^在比赛的开始：

/(www\.)?([^@])([a-z]*\.)(com|net|edu|org)(\.au)?(\/\S*)?$/g

js> "www.foobar.com".match(/(www\.)?([^@])([a-z]*\.)(com|net|edu|org)(\.au)?(\/\S*)?$/g) 
["www.foobar.com"] 
js> "aoeuaoeu foobar.com".match(/(www\.)?([^@])([a-z]*\.)(com|net|edu|org)(\.au)?(\/\S*)?$/g) 
[" foobar.com"] 
js> "toto@aoeuaoeu foobar.com".match(/(www\.)?([^@])([a-z]*\.)(com|net|edu|org)(\.au)?(\/\S*)?$/g) 
[" foobar.com"] 
js> "toto@aoeuaoeu toto@foobar.com".match(/(www\.)?([^@])([a-z]*\.)(com|net|edu|org)(\.au)?(\/\S*)?$/g) 
["foobar.com"] 

虽然它仍然匹配域之前的空间。这是对域的错误假设...

• xyz.example.org是与您的正则表达式不匹配的有效域;
• www.3x4mpl3.org是与您的正则表达式不匹配的有效域;
• example.co.uk是与您的正则表达式不匹配的有效域;
• ουτοπία.δπθ.gr是与您的正则表达式不匹配的有效域。

什么定义了合法域名？它只是由点分隔的一系列utf-8字符。它不能有两个点，并且规范名称是\w\.\w\w（因为我不认为一个字母tld存在）。

虽然，我会做的方式是简单地匹配一切看起来像域，采取一切，是文本用点分隔使用单词边界（\b）：

/\b(\w+\.)+\w+\b/g

js> "aoe toto.example.org uaoeu foo.bar aoeuaoeu".match(/\b(\w+\.)+\w+\b/g) 
["toto.example.org", "foo.bar"] 
js> "aoe toto@example.org toto.example.org uaoeu foo.bar aoeuaoeu".match(/\b(\w+\.)+\w+\b/g) 
["example.org", "toto.example.org", "foo.bar"] 
js> "aoe toto@example.org toto.example.org uaoeu foo.bar aoeuaoeu f00bar.com".match(/\b(\w+\.)+\w+\b/g) 
["example.org", "toto.example.org", "foo.bar", "f00bar.com"] 

然后进行第二轮检查域是否确实存在或不在发现的域列表中。缺点是JavaScript中的正则表达式无法检查unicode字符，并且\b或\w将不接受ουτοπία.δπθ.gr作为有效的域名。

在ES6，还有的/u modifier，这应与最新的浏览器中工作（但没有，我迄今已检测）：

"ουτοπία.δπθ.gr aoe toto@example.org toto.example.org uaoeu foo.bar aoeuaoeu".match(/\b(\w+\.)+\w+\b/gu) 

编辑：

负回顾后解决它 - 但显然不在JS中。

是的，它会：跳过所有的电子邮件地址，这里的落后执行正则表达式的工作看：

/(?![^@])?\b(\w+\.)+\w+\b/g

js> "aoe toto@example.org toto.example.org uaoeu foo.bar aoeuaoeu f00bar.com".match(/(?<![^@])?\b(\w+\.)+\w+\b/g) 
["toto.example.org", "foo.bar", "f00bar.com"] 

尽管它同样为Unicode ...它”即将在那里在JS很快...

唯一的方法就是，实际上保留@在匹配的正则表达式，并放弃任何匹配包含一个@：

js> "toto.net aoe toto@example.org toto.example.org uaoeu foo.bar aoeuaoeu f00bar.com".match(/@?\b\w+\.+\w+\b/g).map(function (x) { if (!x.match(/@/)) return x }) 
["toto.net", (void 0), "toto.example", "foo.bar", "f00bar.com"] 

或使用来自ES6/JS1.7新的列表理解，这应该是没有在现代浏览器...

[x for x of "toto.net aoe toto@example.org toto.example.org uaoeu foo.bar aoeuaoeu f00bar.com".match(/@?\b\w+\.+\w+\b/g) if (!x.match(/@/))]; 

一个最后更新：

/@?\b(\w*[^\W\d]+\w*\.+)+[^\W\d_]{2,}\b/g

> "x.y tot.toc.toc $11.00 11.com 11foo.com toto.11 toto.net aoe toto@example.org toto.example.org uaoeu foo.bar aoeuaoeu f00bar.com".match(/@?\b(\w*[^\W\d]+\w*\.+)+[^\W\d_]{2,}\b/g).filter(function (x) { if (!x.match(/@/)) return x }) 
[ 'tot.toc.toc', 
    '11foo.com', 
    'toto.net', 
    'toto.example.org', 
    'foo.bar', 
    'f00bar.com' ]