帮助使“通用的”regex Javascript兼容

Question

我在这个网站上找到了一个非常好的URL正则表达式匹配器：http://daringfireball.net/2010/07/improved_regex_for_matching_urls。它声明它是免费使用的，并且是跨语言兼容的(包括Javascript)。首先，我必须转义一些斜杠才能让它编译。当我这样做时，它在Rubular.com (我通常测试正则表达式)上工作得很好，奇怪的副作用是每个匹配都有5个字段:1是url，额外的4是空的。当我把它放到JS中时，我得到了错误"Invalid Group“。如果有什么不同的话，我正在使用Node.js，但我希望我能理解这个错误。我想减少不必要的空匹配字段，但我甚至不知道从哪里开始诊断这个野兽。这是我在逃脱后得到的：

(?xi)\b((?:[a-z][\w-]+:(?:\/{1,3}|[a-z0-9%])|www\d{0,3}[.]|[a-z0-9.\-]+[.][a-z]{2,4}\/)(?:[^\s()<>]+|\(([^\s()<>]+|(\([^\s()<>]+\)))*\))+(?:\(([^\s()<>]+|(\([^\s()<>]+\)))*\)|[^\s`!()\[\]{};:'".,<>?«»“”‘’] ))

Answer 1

实际上，您也不需要第一个捕获组；在本例中，它与整个匹配相同，并且始终可以通过$&访问。您可以通过在开始括号后添加?:，将所有采集分组更改为非采集分组：

/\b(?:(?:[a-z][\w-]+:(?:\/{1,3}|[a-z0-9%])|www\d{0,3}[.]|[a-z0-9.\-]+[.][a-z]{2,4}\/)(?:[^\s()<>]+|\((?:[^\s()<>]+|(\(?:[^\s()<>]+\)))*\))+(?:\((?:[^\s()<>]+|(?:\(?:[^\s()<>]+\)))*\)|[^\s`!()\[\]{};:'".,<>?«»“”‘’]))/i

“无效的组”错误是由于内联修饰符(即，(?xi))造成的，正如@kirilloid所观察到的，在JavaScript中不受支持。Jon Gruber (regex的作者)对此误解了，因为他认为JS支持自由空格模式。

仅供参考，您必须转义斜杠的原因是因为您使用的是正则表达式文字表示法，其中最常见的形式是使用正斜杠作为正则表达式分隔符。换句话说，是语言(Ruby或JavaScript)要求您转义特定的字符，而不是正则表达式。有些语言允许您选择不同的regex分隔符，而其他语言则根本不支持regex文字。

但这些都是语言问题，而不是正则表达式问题；正则表达式本身似乎像广告中所说的那样工作。

Answer 2

请注意，你抄袭错了。

http://www.regular-expressions.info/javascript.html

• 无模式修饰符设置正则表达式内的匹配选项。
• 无正则表达式注释

也就是说，开头的(?xi)是没用的。

对于压缩的RegExp，x根本无用。

i可以替换为标志

所有这些都会导致：

/\b((?:[a-z][\w-]+:(?:\/{1,3}|[a-z0-9%])|www\d{0,3}[.]|[a-z0-9.\-]+[.][a-z]{2,4}\/)(?:[^\s()<>]+|\(([^\s()<>]+|(\([^\s()<>]+\)))*\))+(?:\(([^\s()<>]+|(\([^\s()<>]+\)))*\)|[^\s`!()\[\]{};:'".,<>?«»“”‘’]))/i

在谷歌Chrome =>中测试和工作应该可以在Node.js中工作