URLの一部ではないテキストを検索するにはどうすればよいですか？

Question

検索するテキストがpqrであるとします。

"http://abc.zzz/pqr/xyz"  -> Should not match 
"/pqr/"      -> Should Match 
"pqr"       -> Should Match 
"http://abc.zzz/pqr/pqr/"  -> Should not match 
"http://abc.zzz/pqr/pqr/ pqr" -> Should match the last "pqr" 
"www.pqr.zzz"     -> Should not match 

私は私は試合としてそれを検討していた空である場合、私は、その後、group 1を探した

((?:(?:(?:https?|ftp|file|mailto):)|www)[^ ]+?)?(pqr) 

、次の正規表現を使用してみました。しかし、これは失敗しますhttp://abc.zzz/pqr/pqr/

一致するテキストがURLの一部でないかどうかを検出する上で、ここで助けてください？

私が思う最悪のケースは、最初にすべてのURLを検出し、一致するURLの開始および終了インデックスを保存することです。次に、pqrと一致させて、URLの一部であるものをすべて除外します。もっと良いことができるものがあれば、私は考えていました。

Answer 1

Javaを使用していることを考慮すると、の制限付き幅広い検索ビヘイビアを使用して、Java正規表現エンジンがサポートすることができます。これは、パターン内の限定数量を制限する{n,m}を使用できることを意味します。今、Java 8 supports even * and + quantifiers inside a lookbehind（非公式ですが）、これはバグであり、次のバージョンで修正される可能性があります。このように、あなたには、いくつかの範囲を使用することができ、（リンクは以上の1Kのシンボルを含む可能性はありませんが、事実に基づく状況にそれを調整することができるよう）0 to 1000を言う：

(?<!(?:(?:https?|ftp|file)://|mailto:)(?:www\.)?\S{0,1000})(?<!\bwww\.\S{0,1000})pqr 

はregex demo

を参照してください。最初のlookbehind (?<!(?:(?:https?|ftp|file)://|mailto:)(?:www\.)?\S{0,1000})は、pqrの前に完全なURLがないかどうかを確認し、(?<!\bwww\.\S{0,1000}) lookbehindはの前にwww.がないかどうかをチェックします。