如何从JavaScript内部url中排除Regex匹配

Question

我当前的正则表达式在句子中查找searchQuery，如果这些查询以空格开始，并以空格或?!,.结束，则匹配它们。它通常工作得很好，除了url。正则表达式最终会拾取url并把它们弄乱。

例如，如果我正在寻找"bitcoin"在一个句子中"比特币价格要疯了"，它会找到它，但它也会取下面的url并匹配它。https://versionone.vc/the-solar-比特币-convergence，搞乱url。

我怎样才能告诉JavaScript Regex忽略任何匹配，其中匹配词之前的字符是这些/ - . _ +中的任何一个?这将基本上消除url内的匹配?

当前正则表达式:var reg = new RegExp('(\b)${searchQuery}(\s+|\.|\,|\?|\!', 'gi');

替换功能:newString = oldString.replace(reg, substringReplacement);

substringReplacement(match)是包含如何更改匹配文本的逻辑的函数。

或者，直接忽略可搜索区域中的url的另一种方法是什么?谢谢!

Answer 1

在现代Javascript中，你可以在Javascript中使用动态长度断言，所以你可以尝试:

var reg = new RegExp('(?<!https?://\S*)\b${searchQuery}[\s.,?!]', 'gi');

RegEx演示

(?<!https?://\S*)是负向后查找，如果在匹配之前发现http://或https://后面有0个或多个非空白字符，则匹配失败。

Answer 2

我会匹配URL的格式或匹配searchQuery模式，然后使用一个替换函数来检查URL或searchQuery是否匹配。在URL的情况下，替换为URL(这样在这种情况下没有任何内容被替换)。

如果你想使用${}风格的插值，你还需要为模板文字使用反引号。

// make this as elaborate as you want:
// https://stackoverflow.com/questions/161738/what-is-the-best-regular-expression-to-check-if-a-string-is-a-valid-url
var reg = new RegExp(`(https?://S+)|(\b)${searchQuery}\s+|\.|\,|\?|\!`, 'gi');
newString = oldString.replace(reg, (match, g1) => g1 ? match : substringReplacement);

您还需要确保()组是平衡的(在您当前的代码中，它们不是，因此new RegExp调用当前将抛出SyntaxError)

没有显示substringReplacement，但是除非您使用组来替换，否则您可以完全省略捕获组，除了URL部分。

Answer 3

虽然其他评论更正确，但就Regex而言，由于Safari不支持反向展望，所以我没有提出一个解决方案。我可以提前查找并拒绝最可能是url的匹配，而不是尝试对字符串求反。

${searchQuery}(?!-|/|.com)将跳过url的很大一部分，除非searchQuery单词是url的最后一个单词。

当我找到完美的答案时，我会贴在这里。