尋找技巧以更好地理解 Perl 兼容的正則表達式運算符和語法

Question

我的問題是關於 Perl Compatible Regular Expression operators and syntax。 我已經了解了“/hello/”的基本語法，而 /i 表示不區分大小寫。 我在jotform.com上對此進行了調查，並將對此進行研究，直到我有更深入的了解。 但我希望有人可以讓我先了解我在下面發布的 (2) PCRE 中的 Perl 語法和運算符。 它們都致力於防止用戶以文本區域的形式發布鏈接，但在語法和運算符上有很大不同。 只是想知道一個正則表達式是否優於另一個。 哪個最好，為什么？

更新：經過幾個月的實時測試，PCRE 1 似乎無法阻止 PHP 聯系表中的 URL。 PCRE 2 似乎確實可以在同一實時測試期間阻止 PHP 聯系表中的 URL。

下面的 2 個正則表達式最初是在How to prevent spam URLs in a PHP contact form 中找到的

有比 PCRE 2 更好的正則表達式嗎？ 任何幫助或建議將不勝感激。

謝謝。

<?php

//PCRE 1 - Does not work to prevent URLs 

if (preg_match( '/www\.|http:|https:\/\/[a-z0-9_]+([\-\.]{1}[a-z_0-9]+)*\.[_a-z]{2,5}'.'((:[0-9]{1,5})?\/.*)?$/i', $_POST['message']))
{
echo 'error please remove URLs';
}else
{....

//PCRE 2 - Does work to prevent URLs 

if (preg_match("/\b(?:(?:https?|ftp|http):\/\/|www\.)[-a-z0-9+&@#\/%?=~_|!:,.;]*[-a-z0-9+&@#\/%=~_|]/i",$_POST['message']))
{
echo 'error please remove URLs';
}else
{....

?>

Answer 1

為了提供答案以便將此頁面標記為已解決（而不是放棄），我將對第二種模式進行改進。

/\b(?:(?:https?|ftp|http):\/\/|www\.)[-a-z0-9+&@#\/%?=~_|!:,.;]*[-a-z0-9+&@#\/%=~_|]/i

可以重寫為：

\b(?:(?:f|ht)tps?:\/\/)[-\w+&@#\/%?=~|!:,.;]*[-\w+&@#\/%=~|]

• 第一段匹配https 、 http 、 ftps或ftp作為“全字” ( \b ) 使用交替 ( | ) 和零或一個量詞 ( ? )。 您的原始模式需要 url 的“協議”部分存在，因此我不會更改模式邏輯。
• 您模式中的子域需要www. 盡管子域在有效的 url 中不是必需的，並且除www. 可以使用。 我將更改此部分的模式邏輯，使子域可選且更靈活。
• 字符 class（白名單字符）合並了www. , 因此可以從模式中省略文字匹配。
• 我通過使用\w減少了兩個字符類的長度——它包括所有字母數字字符（大寫和小寫）以及下划線。
• 下面是匹配內容的演示： https://regex101.com/r/TP16iB/1——您會發現像www.example.com這樣的有效 url 與您的首選模式和我的模式都不匹配。 為了克服這個問題，您可以對www. 作為必需的子域並使協議可選，但這樣你就不會匹配可變子域。 所以你看，這有點像兔子洞，你需要權衡你希望投入多少時間和你的應用程序真正需要什么。 請注意，您的模式變得越准確，其總長度/卷積也會增加。
  \b(?:(?:(?:f|ht)tps?:\/\/)|(?:www\.))\[-\w+&@#\/%?=~|:,.;;\]*\[-\w+&@#\/%=~|\]