与URL解析regexp混淆

Question

我在代理PAC file中遇到一个解析正则表达式的url。

它的功能是匹配属于wikimapia域的任何url模式(顺便说一句，只是我的猜测)。

^[\w\-]+:\/+(?!\/)(?:[^\/]+\.)?wikimapia\.org

我将其拆分，并给出我的困惑如下：

^ 
[\w\-]+     // any protocol name containing '-' ?
:
\/+         // why not use '\/\/', aren't protocol names follow by '://' ?
(?!\/)      // what's the function of this part?
(?:[^\/]+\.)? // is non-capturing grouping ?: necessary here? or just for optimization?
wikimapia
\.
org

希望有人能解释一下我的困惑。

Answer 1

根据rfc，一个URL可以在模式(协议)中包含-，对于非基于IP的协议，您可以有两个以上的/，但是对于http，它应该始终是://。

(?!\/) (负向前视)断言/字符串后面的任何字符都不是/。然而，这并没有多大用处，大多数正则表达式引擎都是贪婪的，所以它会消耗所有的/，所以不应该留下任何非/字符。此外，可选的(?:[^\/]+\.)?部分中的下一个字符不是/，如果不匹配，那么wikimapia.org中的下一个字符将是w。因此，最终前视没有任何作用。

除非您实际上引用了捕获组，否则使任何组不捕获只会对性能产生任何影响。我想说这仍然是一件好事，如果你真的在使用反向引用，拥有这个习惯会让它变得更容易。

Answer 2

模式(?!\/)是一个否定的先行断言。换句话说，断言此断言后面的字符不是正斜杠。我不明白为什么要用它。正如您在问题中所述，几个正斜杠肯定就足够了：

[\w\-]+:\/\/(?:[^\/]+\.)?wikimapia\.org

Answer 3

关于这个表达式本身，我不能说太多，但这样会更好：

var suffix = 'wikimapia.org';
if ((matches = url.match(/^(([^:\/?#]+):)?(\/\/([^\/?#]*))?([^?#]*)(\?([^#]*))?(#(.*))?/)) {
    if (matches[4] && matches[4].substr(-suffix.length) == suffix) {
        // valid
    }
}