regex - 谷歌分析正则表达式 - 替代无负面前瞻

Question

谷歌分析不再允许在其过滤器中进行负前瞻。事实证明，创建仅包含我希望包含的链接的自定义报告非常困难。

包含负前瞻的正则表达式在启用时会起作用:

test.com(\/\??index\_(.*)\.php\??(.*)|\/\?(.*)|\/|)+(\s)*(?!.)

这匹配:

test.com
test.com/
test.com/index_fb2.php
test.com/index_fb2.php?ref=23
test.com/index_fb2.php?ref=23&e=35
test.com/?ref=23 
test.com/?ref=23&e=35

并且不匹配(应该如此):

test.com/ambassadors
test.com/admin/?signup=true 
test.com/randomtext/

我正在寻找如何调整我的正则表达式以仍然保持相同的匹配，但不使用负前瞻。

谢谢!

Answer 1

Google Analytics 似乎不支持单行和多行模式，这对我来说很有意义。 URL 不能包含换行符，因此点是否与它们不匹配也没有关系，而且永远不需要 ^和 $匹配除整个字符串的开头和结尾之外的任何地方。

这意味着 (?!.)在您的正则表达式中完全等同于 $ ，它只在字符串的最后匹配(比如 \z ，在支持它的风格中)。由于这是正则表达式中唯一的前瞻，因此您永远不会遇到这个问题；你应该一直在使用 $一直。

但是，您的正则表达式还有其他问题，主要是由于过度依赖 (.*) .例如，它匹配这些字符串:

test.com/?^#(%)!*%supercalifragilisticexpialidocious
test.com/index_ecky-ecky-ecky-ecky-PTANG!-vroop-boing_rowr.php (ni! shh!)

...我很确定你不想要。 :P

试试这个正则表达式:

test\.com(?:/(?:index_\w+\.php)?(?:\?ref=\d+(?:&e=\d+)?)?)?\s*$

或更易读:

test\.com
(?:
  /
  (?:index_\w+\.php)?
  (?:
    \?ref=\d+
    (?:
      &e=\d+
    )?
  )?
)?
\s*$

出于说明目的，我对(例如)可以存在哪些参数、它们出现的顺序以及它们的值可以进行很多简化假设。我也想知道是否真的有必要匹配域( test.com )。我没有使用 Google Analytics(分析)的经验，但比赛不应该在域名之后立即开始(并 anchor 定)吗？你真的必须在最后允许空格吗？在我看来，正则表达式应该更像这样:

^/(?:index_\w+\.php)?(?:\?ref=\d+(?:&e=\d+)?)?$