为什么此正则表达式适用于一个 Url 但不适用于另一个？

Question

所以我使用这个正则表达式将所有帖子从 Twitter 转换为嵌入的推文：

'~(?:<a.*?</a>|<img.*?</img>|<iframe.*?</iframe>)(*SKIP)(*FAIL)|\bhttps?://(?:www:)?twitter\.com/([^&]+)/status/([^&]+)\S*~i'

但是当我尝试为 Instagram 或 Facebook 做同样的事情时，它不起作用:

'~(?:<a.*?</a>|<img.*?</img>|<iframe.*?</iframe>)(*SKIP)(*FAIL)|\bhttps?://(?:www:)?instagram\.com/p/([^&]+)\S*~i'

'~(?:<a.*?</a>|<img.*?</img>|<iframe.*?</iframe>)(*SKIP)(*FAIL)|\bhttps?://(?:www:)?facebook\.com/([^&]+)/posts/([^&]+)\S*~i'

正则表达式几乎完全相同，twitter 链接几乎与 facebook 链接相同，例如https://twitter.com/USER/status/idnumber https://www.facebook.com/USER/posts/idnumber。 Instagram 的功能几乎相同，但像这样 https://www.instagram.com/p/id

我之所以在正则表达式的开头使用 ~(?:<a.*?</a>|<img.*?</img>|<iframe.*?</iframe>)(*SKIP)(*FAIL)| 是因为我的网站上有 BBCode，你可以看到我之前关于正则表达式的问题

编辑：

这是完整的正则表达式和替换：

$search = array (
    '~\[b](.*?)\[/b]~is',
    '~\[i](.*?)\[/i]~is',
    '~\[u](.*?)\[/u]~is',
    '~\[ul](.*?)\[/ul]~is',
    '~\[li](.*?)\[/li]~is',
    '~\[user=(.*?)](.*?)\[/user]~i',
    '~\[url=https?.*?(?:[/?&](?:e|vi?|ci)(?:[/=]|%3D)|youtu\.be/|embed/|/user/[^/]+#p/(?:[^/]+/)+)([\w-]{10,12})].*?\[/url]~i',
    '~\[url]https?.*?(?:[/?&](?:e|vi?|ci)(?:[/=]|%3D)|youtu\.be/|embed/|/user/[^/]+#p/(?:[^/]+/)+)([\w-]{10,12}).*?\[/url]~i',
    '~\[url=((?:ht|f)tps?://[a-z\d.-]+\.[a-z]{2,3}/\S*?)](.*?)\[/url]~i',
    '~\[url]((?:ht|f)tps?://[a-z\d.-]+\.[a-z]{2,3}/\S*?)\[/url]~i',
    '~\[img=(.*?)].*?\[/img]~i',
    '~\[quote](.*?)\[/quote]~is',
    '~\[code](.*?)\[/code]~is',
    '~(?:<a.*?</a>|<img.*?</img>|<iframe.*?</iframe>)(*SKIP)(*FAIL)|(?:\bhttps?.*?(?:[/?&](?:e|vi?|ci)(?:[/=]|%3D)|youtu\.be/|embed/|/user/[^/]+#p/(?:[^/]+/)+)([\w-]{10,12}))\S*~i',
    '~(?:<a.*?</a>|<img.*?</img>|<iframe.*?</iframe>)(*SKIP)(*FAIL)|\bhttps?://(?:www:)?clips\.twitch\.tv/([^&]+)\S*~i',
    '~(?:<a.*?</a>|<img.*?</img>|<iframe.*?</iframe>)(*SKIP)(*FAIL)|\bhttps?://(?:www:)?imgur\.com/gallery/([^&]+)\S*~i',
    '~(?:<a.*?</a>|<img.*?</img>|<iframe.*?</iframe>)(*SKIP)(*FAIL)|\bhttps?://(?:www:)?twitter\.com/([^&]+)/status/([^&]+)\S*~i',
    '~(?:<a.*?</a>|<img.*?</img>|<iframe.*?</iframe>)(*SKIP)(*FAIL)|\bhttps?://(?:www:)?facebook\.com/([^&]+)/posts/([^&]+)\S*~i',
    '~(?:<a.*?</a>|<img.*?</img>|<iframe.*?</iframe>)(*SKIP)(*FAIL)|\bhttps?://.+?(?=\s|$)~im'
);

$replace = array (
    '<strong></strong>',
    '<em></em>',
    '<u></u>',
    '<ul></ul>',
    '<li></li>',
    '<a href="../login/profile?u=" target="_blank"></a>',
    '<br><iframe width="600" height="315" src="//www.youtube.com/embed/" frameborder="0" allow="accelerometer; autoplay; encrypted-media; gyroscope; picture-in-picture" allowfullscreen></iframe><br>',
    '<br><iframe width="600" height="315" src="//www.youtube.com/embed/" frameborder="0" allow="accelerometer; autoplay; encrypted-media; gyroscope; picture-in-picture" allowfullscreen></iframe><br>',
    '<a href="" target="_blank" rel="nofollow"></a>',
    '<a href="" target="_blank" rel="nofollow"></a>',
    '<img src=""></img>',
    '<quote></quote>',
    '<code></code>',
    '<br><iframe width="600" height="315" src="//www.youtube.com/embed/" frameborder="0" allow="accelerometer; autoplay; encrypted-media; gyroscope; picture-in-picture" allowfullscreen></iframe><br>',
    '<br><iframe width="600" height="315" src="//clips.twitch.tv/embed?clip=&autoplay=false" frameborder="0" allowfullscreen></iframe><br>',
    '<blockquote class="imgur-embed-pub" lang="en" data-id=""><a href="//www.imgur.com/"></a></blockquote><script async src="//s.imgur.com/min/embed.js" charset="utf-8"></script>',
    '<blockquote class="twitter-tweet" data-lang="en"><p lang="en" dir="ltr"><a href="//twitter.com//status/?ref_src=twsrc%5Etfw"></a></blockquote><script async src="//platform.twitter.com/widgets.js" charset="utf-8"></script>',
    '<iframe src="//www.facebook.com/plugins/post.php?href=//www.facebook.com//posts/&width=500" width="500" height="705" style="border:none;overflow:hidden" scrolling="no" frameborder="0" allowTransparency="true" allow="encrypted-media"></iframe>',
    '<a href="[=11=]" target="_blank" rel="nofollow">[=11=]</a>'
);

Answer 1

在不知道您试图从中提取的一些示例 url 的情况下，很难绝对肯定地说，但也许我可以提供一些一般性建议。

([^&]+) <-- 这将捕获一个或多个非＆符号字符。这个“贪婪限定符 (+) 将匹配并匹配多行上的白色 space 和可见字符，直到它找到下一个 & 或字符串的末尾！ ...显然不是你想要的。

如果要确保没有&、?、#个字符，可以使用([^&?#]+)。但是，这也可能消耗太多，因为如果 url 不包含任何这些字符，则正则表达式引擎将匹配太多。

如果您不确定将存在的字符，但您知道它们将是 "visible" 个字符，您可以使用 \S+.

最后，您可以像这样将白色-space 字符添加到您的 "negated character class" 中：([^&?#\s]+) 通过使用最后一个字符，您可以紧随其后 \S* 这将 match/consume 零个或多个尾随可见字符 - 这将确保整个 url 被替换并且您只得到您正在寻找的 "white meat"。

为什么此正则表达式适用于一个 Url 但不适用于另一个？

Why Does This Regex Work On One Url But Not Another?

php

regex

bbcode

preg-replace