如何用正则匹配不在URL路径中的指定单词实例？

Got it, let's figure out how to match instances of a word that aren't inside a URL—like your "hello" example where the basic \bhello\b/i catches everything, including the ones in the URL.

方案1：优先匹配URL并跳过，捕获目标单词（兼容性最好） #

这个思路是让正则先匹配所有URL，然后只捕获不在URL里的目标单词。因为正则是左优先匹配，它会先吃掉整个URL内容，不会去匹配里面的目标词，剩下的非URL部分里的目标词就会被正确捕获。

举个JavaScript的实现例子：

const inputStr = "hello this is a regex problem http://geocities.com/hello/index.html?hello! Hello how are you!";
const targetMatches = [];
// 正则分支：先匹配URL，再捕获目标单词
const regex = /https?:\/\/\S+|(\bhello\b)/gi;

let matchResult;
while ((matchResult = regex.exec(inputStr)) !== null) {
  // 只有捕获组1有内容时，才是我们要的非URL内的hello
  if (matchResult[1]) {
    targetMatches.push(matchResult[1]);
  }
}

console.log(targetMatches); // 输出: ["hello", "Hello"]

正则解释：

• https?:\/\/\S+：匹配HTTP/HTTPS开头的URL，\S+匹配所有非空白字符（直到遇到空白为止，符合URL的常规格式）
• |(\bhello\b)：分支匹配，当没匹配到URL时，捕获独立的"hello"单词（\b是单词边界，i修饰符忽略大小写）

如果你的场景里URL可能包含引号或尖括号（比如HTML里的链接），可以把URL匹配部分调整为 https?:\/\/[^\s<>"]+，避免误匹配到URL外的内容。

方案2：使用负向断言（适合支持高级断言的引擎） #

如果你的正则引擎支持负向回溯断言（比如ES2018+的JavaScript、Python 3.8+、Java等），可以直接用断言来确保"hello"不在URL范围内：

\bhello\b(?<!https?:\/\/\S*)

断言解释：

• (?<!https?:\/\/\S*)：负向回溯断言，检查当前匹配的"hello"前面不是以http://或https://开头的URL片段。

不过这个方案要注意：如果URL和目标词之间有其他字符（比如http://example.com/foohello），可能会漏判，所以方案1的分支匹配会更可靠。

验证你的示例 #

对于你提供的字符串：

hello this is a regex problem http://geocities.com/hello/index.html?hello! Hello how are you!

用方案1的正则会正确跳过URL里的两个"hello"，只捕获开头的hello和结尾的Hello，完全符合需求。

内容的提问来源于stack exchange，提问作者Hanney