如何使用Negative lookahead正则表达式匹配目标复杂字符串并排除特定格式？

你的正则表达式之所以会匹配所有字符串，核心原因是负前瞻的位置和作用范围不对：

• 原正则中的(?!h\\S+p(s)?://)仅在(\\w+\\s+)+匹配后的某个局部位置做检查，而(\\w+\\s+)+是可重复的贪婪匹配，它可以提前终止匹配（比如只匹配Bad 而不是Bad URL ），此时后续内容不是以h\\S+p(s)?://开头，负前瞻断言成立，导致.*匹配剩余所有内容，最终整个字符串被错误匹配。

修正后的正则方案 #

要实现你的需求（匹配不含h[xx]ps://或h[xx]p://前缀的目标字符串），需要在正则开头就通过全局负前瞻断言整个字符串中不存在该URL模式，再匹配你需要的格式：

if (str.matches("^(?!.*h\\S+p(s)?://)(\\w+\\s+)+.*$")) {
    // 处理匹配的字符串
}

如果需要更精确匹配末尾为非空白内容（比如abcd[.]xyz），可以优化为：

if (str.matches("^(?!.*h\\S+p(s)?://)(\\w+\\s+)+\\S+$")) {
    // 处理匹配的字符串
}

关键说明 #

• ^(?!.*h\\S+p(s)?://)：从字符串开头全局断言，确保整个字符串中不存在h开头、后跟任意非空白字符、再跟p或ps、最后是://的模式，直接排除所有包含目标URL前缀的字符串。
• (\\w+\\s+)+：匹配一个或多个“单词+空格”组合，对应你目标字符串中的Domain 部分。
• \\S+：匹配末尾的非空白内容（比如abcd[.]xyz），确保格式符合预期。

内容的提问来源于stack exchange，提问作者Trevor