如何避免URL匹配正则表达式误匹配电子邮件？

你的URL正则会误匹配邮箱中的域名部分（比如david@google.com里的google.com），之前添加的(?<!@)无效，核心原因是这个断言会错误排除带认证信息的合法URL（比如user:pass@google.com），同时没精准区分邮箱场景的@和URL认证前缀的@。

修正后的正则表达式 #

(?:(?:\w+:\/{2})?(?:\w+:\w+@)|(?<!@))(?:\w+(?:\.|-\w+)*\.)+[a-zA-Z]{2,}(?::\d+)?(?:\/[^\s]*)?(?:\?\S*)?

修正逻辑拆解 #

把正则拆分为两个互斥分支，用|分隔，精准区分合法URL和邮箱中的域名：

• 分支1：带认证前缀的合法URL：(?:\w+:\/{2})?(?:\w+:\w+@)，允许带/不带协议，但包含用户名:密码@前缀的场景，这类是合法URL，无需排除。
• 分支2：无认证前缀的URL：(?<!@)，确保匹配的域名前面没有独立的@，直接排除邮箱中@后的域名部分。
• 域名、端口、路径、查询参数部分保留你原有的逻辑不变。

验证效果 #

• 正确匹配的合法URL：
  • http://google.com
  • user:pass@google.us:8080/about
  • github.io?utm=1
• 不匹配的邮箱片段：
  • david@google.com中的google.com
  • test@example.co中的example.co

简化方案（无需支持带认证的URL） #

如果你的场景不需要匹配user:pass@domain.com这类带认证的URL，可以直接移除原正则中的(?:\w+:\w+@)?，再在开头添加(?<!@)，写法更简洁：

(?<!@)(?:\w+:\/{2})?(?:\w+(?:\.|-\w+)*\.)+[a-zA-Z]{2,}(?::\d+)?(?:\/[^\s]*)?(?:\?\S*)?

内容的提问来源于stack exchange，提问作者David Pham