如何编写匹配顶级域非.com等指定后缀的URL正则表达式

需求说明 #

匹配顶级域不属于.com、.net、.org、.info、.edu、.gov、.ca的完整URL，用于Exchange Online入站邮件过滤，后续可灵活扩充排除的TLD列表。

最终可用正则 #

\bhttps?://[a-zA-Z0-9-._~:/?#[\]@!$&'()*+,;=%]+?\.(?!com|net|org|info|edu|gov|ca)([a-zA-Z]{2,})(?:/[a-zA-Z0-9-._~:/?#[\]@!$&'()*+,;=%]*)?\b

逻辑说明 #

• 开头边界符+https?://：精准匹配URL的http/https协议头，避免误匹配文本中间的零散内容
• 非贪婪匹配域名段：匹配子域名、多级域名前缀，直到顶级域前的最后一个点
• 负向预查(?!com|net|org|info|edu|gov|ca)：核心过滤逻辑，排除指定TLD，后续新增排除项直接在括号内加|新后缀即可，比如要排除.uk则修改为(?!com|net|org|info|edu|gov|ca|uk)
• 顶级域匹配+可选路径匹配：兼容带路径、参数、端口的完整URL格式
• 结尾边界符：确保匹配到完整的URL，不会截断内容

匹配效果验证 #

会被正则命中的URL（符合过滤规则） #

• https://www.example.ru：TLD为ru，不在排除列表
• http://www.example.xyz/index.php：TLD为xyz，不在排除列表
• https://someserver.example.co.uk/home：TLD为uk，不在排除列表

不会被正则命中的URL（不符合过滤规则） #

• https://www.example.com：TLD为com，在排除列表
• http://www.example.info/index.php：TLD为info，在排除列表
• https://someserver.example.ca/home：TLD为ca，在排除列表

Exchange Online配置注意事项 #

1. 新建邮件流规则时，选择「邮件头或正文包含任何这些文本模式」的条件，直接填入上述正则即可
2. 建议先将规则设置为测试模式，仅记录日志不拦截，运行1-2周确认无误后再开启拦截动作，避免误杀正常业务邮件
3. Exchange Online正则默认不区分大小写，无需额外添加大小写匹配逻辑

内容的提问来源于stack exchange，提问作者Michael Nelson