如何修改正则表达式以匹配URL时排除末尾的点

你遇到的这个问题很典型——原正则里的[^"<>\\s]+会匹配所有除了引号、尖括号、空格的字符，自然就会把URL末尾跟着的句号也误包含进去。咱们可以通过调整匹配逻辑，允许URL中间的点，但禁止末尾出现标点来解决这个问题。

修改后的正则表达式 #

const urlReg = /((\w*?)((:\/\/)|www|\w\.{1}\w{2,})(?:[^"<>.\s]|\.(?=[^"<>.\s]))+)(?![^<>]*>|[^"]*?<\/a)/g;

原理说明 #

我把原正则里的[^"<>\\s]+替换成了(?:[^"<>.\s]|\.(?=[^"<>.\s]))+，这个表达式的逻辑拆解如下：

• [^"<>.\s]：匹配任意不是引号、尖括号、句号、空格的字符
• |\.(?=[^"<>.\s])：或者匹配一个句号，但这个句号后面必须跟着一个有效字符（非引号、尖括号、句号、空格），确保这个点是URL中间的组成部分，而非末尾的标点
• 整个分组用(?:...)包裹（非捕获组），+表示匹配一次或多次这样的字符组合

这样修改后，正则会自动停在URL的有效结尾，不会把后面跟着的句号、空格等无关标点包含进去。

如果你偏好更简洁的写法，也可以用非贪婪匹配结合边界判断：

const urlReg = /((\w*?)((:\/\/)|www|\w\.{1}\w{2,})[^"<>\\s]+?(?=[.\s"<>]|$))(?![^<>]*>|[^"]*?<\/a)/g;

这里的[^"<>\\s]+?是非贪婪模式，一旦遇到句号、空格、引号、尖括号或者字符串结尾就停止匹配，同样能达到排除末尾标点的效果。

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