正则表达式以查找一些.php文件

Question

我正在尝试为爬虫创建一个排除正则表达式。我想索引出现在/archives/目录中的所有.php文件，而不是其他任何地方。因此，正则表达式应该匹配所有.php文件，除了那些位于/archives/目录中的文件(不管嵌套得多深)。因此，例如，它将索引

www.mysite.com/archives/123qwe/index.php 

但不是

www.mysite.com/123qwe/index.php

我相信这个正则表达式应该可以工作：(?<!\/archives\/.*)\.php$

但是，我不能使用<字符，因为我需要将正则表达式提交到web表单中，以便从输入中清除<。而使用<会破坏正则表达式。因此，有没有其他方法可以在不需要<的情况下形成这个正则表达式

Answer 1

关于

(?!.*\/magazine\/)(?:^.*\.php$)

这是一个消极的向前看，而不是你的消极的回顾。如果字符串中没有/magazine/并且以.php结尾，则此正则表达式应匹配

这与您的方法非常相似，但没有<。

您可以在Regexr上的此处看到它的实际效果

Answer 2

试试这个：

^www\.mysite\.com(?:/(?!archives/)[^/.]+)+\.php$

或者，更清楚地说：

^www\.mysite\.com
(?:
  /               # After consuming the `/`...
  (?!archives/)   # if the next name isn't `archives`...
  [^/.]+          # consume it. 
)+                # Repeat as needed.
\.php$

当您创建正则表达式时，如果您不确定如何继续，那么lookbehinds永远不应该是您使用的第一个工具。事实上，我倾向于将它们视为最后的手段。它们没有足够的用处来抵消它们引入的复杂性。

Answer 3

你不能贪婪的在正则表达式中指定你想要存档吗？

^(\/archives\/.+?)\.php$