preg_match_all 个特殊条件下的子域

Question

更新：

我正在使用这个正则表达式：

/[^a-z^-^0-9^@^%^\/^:^\.^-]((?<!w\.)(?!w+\.)([0-9a-z][0-9a-z\-]*\.){2,}[a-z]+)(["|\s|<]|$)/i

当字符串只是域而没有其他内容时，正则表达式有一点问题，在新行中彼此列出

例如：

$string = 'sub84.example4.com
sub-example.example84.net
sub-84example.example-h1.org
www-example4124.domain.com
sub.example-www.com';

应该匹配所有域，但他当前的正则表达式只匹配 sub-example.example84.net 和 www-example4124.domain.com

我还希望添加更多条件：

1) 域名的字母必须小，不能大写（现在的不关心）例如：Sub.example.Com 不行。

2) 域前无 =SPACE (SPACE (" :SPACE 且无 SPACE) 或 SPACE= ") SPACE: 之后。

EX:

$string = '

text = sub1.example.com text
text ( sub2.example.com text
text sub3.example.com = text
text sub4.example.com ) text
text ("sub5.example.com text
text sub6.example.com") text
text : sub7.example.com text
text sub8.example.com : text

';

None个没问题

3) 排除 .info .biz .tv tlds

谢谢。

Answer 1

这是一个

/[^a-z^-^0-9^@^\/^:^\.^-]((?<!w\.)(?!w+\.)([0-9a-z][0-9a-z\-]*\.)+[a-z]+)(["\s<]|$)/ig

Answer 2

我不太明白这样做的目的或令人难以置信的条件数量，但你可以试试这个（相当长的一个......）：

(?<!http://)(?<!https://)(?<!www\.)(?![^\s<>]*[:@/])(?<![(=:] )(?<!\(")(?:(?<=[\s">])|^)(?:[a-z0-9-]+\.){2}(?!info|biz|tv)[a-z]+(?=[\s"<]|$)(?! [=):])(?!"\))

regex101 demo

细分：

(?<!http://)(?<!https://)(?<!www\.)        # Prevent http:// https:// and www.
(?![^\s<>]*[:@/])                          # Prevent : @ /
(?<![(=:] )(?<!\(")                        # Prevent '( ' '= ' etc
(?:(?<=[\s">])|^)                          # Ensure there's ' ', '>', '"' or beginning of line
(?:[a-z0-9-]+\.){2}(?!info|biz|tv)[a-z]+   # Main match, alphanumerics and -, 2 parts + tlds (excluding info, biz, tv
(?=[\s"<]|$)                               # Ensure there's ' ', '<', '"' or end of line
(?! [=):])(?!"\))                          # Prevent ' )' ' =' etc

Answer 3

随着正则表达式的发展，向前看和向后看都很昂贵。你可以在没有这个怪物的情况下做到这一点：

(?:^[^0-9a-zA-Z]??|[^=(:][^0-9a-zA-Z\-]|=[^ 0-9a-zA-Z]|\([^ "0-9a-zA-Z]|:[^ 0-9a-zA-Z]|[^0-9a-zA-Z]-)((?:[0-9a-z][0-9a-z\-]*\.){2,}(?:[ac-hj-su-z][a-z]*|b[a-z]?|bi[a-y]|b[a-z]{3,}|i[a-z]{0,2}|inf[a-np-z]|i[a-z]{4,}|t|t[a-uw-z]|t[a-z]{2,}))(?:[^a-zA-Z "]| [^=:)]|"[^)]|[ "]?$)

这将强制每个 1 的小写子域，正确删除您在 2[=100] 中列出的所有前置和 post 条件=]，并禁止 .biz、.info 和 .tv 每 3.

但是您需要将它与 m 修饰符一起使用，以便 ^ 和 $ 可以匹配每行，而不仅仅是输入的开头和结尾。所以你需要做类似的事情：

preg_match_all('/(?:^[^0-9a-zA-Z]??|[^=(:][^0-9a-zA-Z\-]|=[^ 0-9a-zA-Z]|\([^ "0-9a-zA-Z]|:[^ 0-9a-zA-Z]|[^0-9a-zA-Z]-)((?:[0-9a-z][0-9a-z\-]*\.){2,}(?:[ac-hj-su-z][a-z]*|b[a-z]?|bi[a-y]|b[a-z]{3,}|i[a-z]{0,2}|inf[a-np-z]|i[a-z]{4,}|t|t[a-uw-z]|t[a-z]{2,}))(?:[^a-zA-Z "]| [^=:)]|"[^)]|[ "]?$)/m', $string, $foo);

让我快速解释一下正则表达式的各个部分，希望这是有道理的：

第一部分是替代查看子域之前的内容的替代方法，它阻止了您在 2 中列出的先决条件：(?:^[^0-9a-zA-Z]??|[^=(:][^0-9a-zA-Z\-]|=[^ 0-9a-zA-Z]|\([^ "0-9a-zA-Z]|:[^ 0-9a-zA-Z]|[^0-9a-zA-Z]-) 它是一个非捕获组，它将匹配 6 个选项中的 1 个：

一行的开头和可能的 1 个非字母数字字符

'='、'(' 或 ':' 以外的字符后跟非字母数字非 '-' 字符

一个 '=' 后跟一个非 space 和非字母数字字符

A '(' 后跟 '"'、space 或字母数字
以外的字符
一个 ':' 后跟一个非 space 和非字母数字字符

一个非字母数字字符后跟一个 '-' 字符

捕获中的第二部分是您的原始子域减去后缀匹配：(?:[0-9a-z][0-9a-z\-]*\.){2,}

第三部分也在捕获中，消除了带有 "biz"、"info" 或 "tv" 后缀的子域：(?:[ac-hj-su-z][a-z]*|b[a-z]?|bi[a-y]|b[a-z]{3,}|i[a-z]{0,2}|inf[a-np-z]|i[a-z]{4,}|t|t[a-uw-z]|t[a-z]{2,}) 它是非- 有 10 个选项的捕获组：

'b'、'i' 或 't' 以外的字符后跟任意数量的小写字符

A 'b' 和其他一些小写字符

"bi" 后跟一个非'z' 字符

一个'b'后跟3个或更多小写字符

一个 'i' 后跟不超过 2 个小写字符

"inf" 后跟一个非'o' 字符

一个'i'后跟4个或更多小写字符

一个't'个字符

一个't'后跟一个非'v'字符

一个't'后跟2个或更多小写字符

最后一节阻止了您在 2 中列出的 post 条件：(?:[^a-zA-Z "]| [^=:)]|"[^)]|[ "]?$) 它是一个具有 4 个选项的非捕获组：

不是 space、'"'、小写或大写字符的字符

A space 后跟 '='、':' 或 ')'
以外的字符
一个'"'后跟一个非')'字符

非space非'"'后跟行尾

preg_match_all 个特殊条件下的子域

preg_match_all subdomains under special conditions

php

regex

subdomain

preg-match-all