如何用正则表达式排除PDF/DOC后缀，匹配其他所有URL？

核心正则表达式 #

^(?!.*\.(pdf|doc)(?:\?.*)?$).+$

表达式拆解 #

• ^：锚定字符串起始位置
• (?!.*\.(pdf|doc)(?:\?.*)?$)：负向预查断言，用来排除符合以下特征的URL：
  • .*：匹配任意长度的前置内容（比如URL的域名、路径部分）
  • \.(pdf|doc)：匹配.pdf或.doc后缀
  • (?:\?.*)?：可选的URL查询参数部分（比如?Ver=1230），?:表示非捕获组，不保留匹配结果
  • $：锚定字符串结束位置
• .+$：匹配所有不满足上述排除条件的完整URL

匹配效果验证 #

针对你提供的示例URL：

• 会被匹配的URL（非pdf/doc后缀）：

  https://www.aaaa.it
  https://www.fsdfdsf.it
  https://www.fdsgrgty.com
  https://www.inth.ie
  https://www.caghfd.it
  https://www.inteshg.com
  https://www.hghhg.it
  

• 会被排除的URL（带pdf后缀，含查询参数）：

  https://www.dsdgg.it/documents/rr/0/e+I+costi.pdf
  https://www.rrrrrrrr.it/documents/ee/0/rrr+I+costi.pdf?Ver=1230
  

扩展方法 #

如果未来需要排除更多后缀（比如xls、docx、ppt），只需在断言的后缀列表中添加即可：

^(?!.*\.(pdf|doc|xls|docx|ppt)(?:\?.*)?$).+$

内容的提问来源于stack exchange，提问作者ACaps