正则表达式负向前瞻失效求助：如何匹配非本站来源的Apache日志行？

我正在对原始Apache日志进行访客统计分析，需要匹配所有引用URL非本站（example.com）的日志行。以下是两条日志示例：

1.2.3.4 - - [07/Jun/2023:11:15:08 -0500] "GET / HTTP/1.1" 200 - "https://www.google.com/" "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/111.0.0.0 Safari/537.36"
1.2.3.4 - - [07/Jun/2023:11:15:08 -0500] "GET /page.html HTTP/1.1" 200 505921 "https://www.example.com/" "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/111.0.0.0 Safari/537.36"

我希望匹配第一条来自Google的引用日志（或其他非本站URL、空引用），但不匹配第二条本站来源的日志。我尝试了以下正则表达式：

/1.2.3.4(.*)GET (/ HTTP|/(.*)htm)(.*)(200|304)(.*)(?!example)/g

去掉(?!example)部分后能匹配所有页面访问行，但加上后无法正常工作，请问我哪里出错了？

问题出在这两点 #

1. 否定断言位置错误：你把(?!example)放在正则末尾，它只会检查日志行末尾（UA字段附近）是否没有example，但这部分本来就不含该字符串，断言完全没作用在引用URL的位置上。
2. 贪婪匹配吞掉目标内容：多个(.*)是贪婪匹配，会直接跳过引用URL的部分，导致断言根本没机会接触到要检查的example.com。

两个可行的正则方案 #

方案1：精准定位引用URL并排除本站

专门针对引用URL位置做检查，同时支持匹配空引用（日志中空引用用-表示）：

/1\.2\.3\.4.*?"GET (?:\/|\/.*?htm) HTTP\/1\.1" (?:200|304) .*?"(?!https?:\/\/.*example\.com)(?:.*?|-)"/g

• .*?"精准定位到引用URL的起始双引号
• (?!https?:\/\/.*example\.com)确保后续内容不是本站URL
• (?:.*?|-)匹配非本站URL或空引用
• 转义.和/避免正则语法冲突

方案2：先匹配目标行，再排除本站引用

逻辑更简洁：先匹配所有符合规则的访问行，再排除包含本站引用的条目：

/1\.2\.3\.4.*?"GET (?:\/|\/.*?htm) HTTP\/1\.1" (?:200|304) .*?(?!"https?:\/\/.*example\.com")/g

关键注意点 #

• 正则中的.必须转义为\.，否则会匹配任意字符（除换行），引发错误
• 优先用.*?非贪婪匹配替代.*，避免跳过目标字段
• 否定断言必须放在要检查的内容之前，才能起到过滤作用

内容的提问来源于stack exchange，提问作者Scott