无法完全正确地获得RegEx

Question

我有问题，试图使我的正则表达式正确。基本上，我有一个HTML字符串，它包含各种链接。如果href属性指向同一域或已批准域列表中的域，则不会更改任何内容。其他任何内容都应该更改为重定向页面，并将原来的href作为URL参数

例如，假设允许使用下列域名：

domain1, domain2, domain3

不允许的域指向“/redirect.htm?url=.”

我需要下面的字符串

<p>this is a paragraph with 
    <a href="/index.htm">link 1</a> and 
    <a href="http://domain4/page.htm">link 2</a> and 
    <a href="http://www.domain1.com">link3</a> and 
    <a href="http://www.domain5.com/directory/page.htm">link 4</a>
</p>

改为：

<p>this is a paragraph with 
    <a href="/index.htm">link 1</a> and 
    <a href="/redirect.htm?url=domain4/page.htm">link 2</a> and 
    <a href="http://www.domain1.com">link3</a> and 
    <a href="/redirect.htm?url=www.domain5.com/directory/page.htm">link 4</a>
</p>

我还应该指出，我正在使用IdocScript，这是一种基于java的自定义语言，用于我们的内容管理系统。我不需要帮助，只需要正则表达式。

到目前为止，我想出的最好的方法(显然行不通)是：

<$ regex = "href=\"(^(/|domain1|domain2|domain3)" $>
<$ regexReplaceAll( originalString, regex, 'href="/redirect.htm?url=$1') $>

有人能帮忙吗？

Answer 1

s/href="(?!=(\/|.*(domain1|domain2|domain3)))/href="\/redirect.htm?url=/

如果我们有一个href，并且它不以斜杠开头，并且它不包含domain1、domain2或domain3，那么插入一个重定向。

如果需要，您也可以收紧并查找特定的子域：

s/href="(?!=(\/|http://((www|mobile|mysubdomain)\.)?(domain1|domain2|domain3)))/href="\/redirect.htm?url=/

以一个href="为例，它后面没有斜杠，也没有可选的子域和列出的域之一，代之以相同的href=" + /redirect.htm?url=。

我已经逃过了斜杠，但在你选择的regex方言中，这可能是不必要的。

Answer 2

这个应该适合你的需要：

href="https?://((?:[^"](?<!\b(?:domain1|domain2|domain4)\b))+)"

​

​

代之以：

href="/redirect.htm?url=$1"

• 用德布盖克斯实现可视化
• 基于RegExr的演示