用于查找正文中带双斜杠的内部URL的MySQL正则表达式

Question

我们有一个使用wordpress的网站，我们发现在某些情况下，一个糟糕的插件或用户错误会在网站etc后添加双斜杠(例如，http://example.site//category1/或http://example.site/category1//category2/等)。

这似乎是有效的，但似乎没有足够的结果。

SELECT id, post_content
FROM `wp_posts`
where post_content
regexp '(href="[^"]*[^:]\/\/[^"]*)'
and post_status  in('draft','publish')
order by id asc

有没有更好的方法来做这件事？我不希望它与http:后面的双斜杠匹配，因此在:上出现负匹配。

编辑:为了澄清，我想找到所有的帖子( wordpress帖子/页面的正文)，这些帖子的url被硬编码到具有双斜杠的页面中，但与http:后面的双斜杠不匹配。

Regexp应该与以下内容匹配：http://example.site//category1/或http://example.site/category1//category2/，甚至http://example.site/category1/category2//或example.site/category1//category2/

但不应与以下内容匹配：http://example.site/category1/或http://example.site/category1/category2/

Answer 1

也许像这样的东西能行得通。

SELECT *
FROM wp_posts
WHERE CASE WHEN instr(post_content,'http://') > 0 THEN 
  substring(post_content,7) regexp '\/\/'
ELSE
  post_content regexp '\/\/'
END

这是SQL Fiddle。

祝好运。

Answer 2

您可以使用：

regexp '(https?:\/\/|www\.)[^ ]*\/\/'

如果帖子包含http[s]://或www.，后跟带有//的非空格字符，则匹配该帖子。

请看这个SQLFiddle (改编自sgeddes的小提琴)。

或者，您可以将正则表达式减少为'[^:]\/\/'，然后查找包含它的帖子。