本文介绍一种高效、可读性强的正则表达式方案，用于从文本段落中精准匹配所有 URL，同时自动排除包含特定域名（如 example.com 及其子域）的链接，支持 HTTP/HTTPS 协议可选、大小写不敏感、并正确处理 Markdown 和纯文本混排场景。
本文介绍一种高效、可读性强的正则表达式方案，用于从文本段落中精准匹配所有 url，同时**自动排除包含特定域名（如 `example.com` 及其子域）的链接**，支持 http/https 协议可选、大小写不敏感、并正确处理 markdown 和纯文本混排场景。
在实际开发中（如内容清洗、外链分析、安全审计或 SEO 工具），我们常需从富文本或纯文本中提取有效外部链接，但必须过滤掉内部域名或白名单站点。例如，给定如下段落：
This is a paragraph name.url.com it contains random urls name-dev.url.com name-qa.url.com [www.example.com](http://www.example.com) test.example.com <http:><http:><https:> test.com</https:></http:></http:>
目标是捕获 name.url.com、name-dev.url.com、
✅ 推荐正则表达式（JavaScript / .NET / Python re 等主流引擎通用）：
/(?<h3>✅ 正则解析说明</h3>
| 部分 | 含义 | 作用 |
|---|---|---|
| (? | 负向先行断言：左侧不能是非空白字符 | 确保匹配从单词边界（空格/换行/开头）开始，避免误截取 myexample.com 中的 mple.com |
| (?:https?:\/\/)? | 非捕获组：可选匹配 http:// 或 https:// | 兼容带协议与不带协议的 URL（如 test.com 和 https://test.com） |
| (?:(?!(?i)example)\w+[.-])+ | 核心过滤逻辑：每个标签段（test.、name-dev.）都需满足「不以 example 开头」（忽略大小写） | 精准拦截 example.com、www.example.com、api.example.com、TEST.EXAMPLE.COM 等所有变体 |
| [a-z]{2,11} | 匹配 2–11 位小写字母的顶级域（TLD） | 覆盖 com、org、io、enterprises 等常见 TLD，兼顾扩展性与安全性 |
| (?!\S) | 负向后行断言：右侧不能是非空白字符 | 确保匹配在空格/换行/结尾处终止，防止 example.com/test 被部分匹配 |
? 提示：(?i) 可显式加入以强化大小写不敏感（如 (?i)example），但多数引擎在 /gi 标志下已默认对 example 不敏感；若需更严格控制，建议在代码层统一转小写预处理。
✅ 实际代码示例（C#）
using System;
using System.Text.RegularExpressions;
using System.Collections.Generic;
public static List<string> ExtractUrlsExcludingDomain(string text, string excludedDomain = "example.com")
{
// 构建动态正则：将 excludedDomain 转为小写并转义正则元字符
string escapedDomain = Regex.Escape(excludedDomain.ToLowerInvariant());
string pattern = $@"(?(matches.Cast<match>().Select(m => m.Value.Trim()));
}
// 使用示例
string paragraph = "name.url.com [www.example.com](http://www.example.com) <https:> test.example.com";
var urls = ExtractUrlsExcludingDomain(paragraph);
// 结果：["name.url.com", "TestCaSeSensetivEUrl.com"]</https:></match></string>
⚠️ 注意事项与增强建议
- 不覆盖 URL 中路径部分：本正则仅匹配「域名主体」（含可选协议），不捕获 ?query 或 /path —— 这是设计使然，确保语义清晰、避免过度匹配。
- Markdown 链接兼容性：因使用空白边界断言 (?只提取裸 URL，符合需求。
- 子域过滤可靠性：(?!(?i)example) 作用于每个 . 分隔段，因此 test.example.com 中的 example.com 段会被拒绝，整个域名不匹配 —— 无需额外写 (?
- 性能优化：使用 RegexOptions.Compiled（.NET）或预编译实例，避免重复解析；对超长文本建议配合 Regex.MatchTimeout 防卡死。
- 进阶需求：如需支持 IPv4、国际化域名（IDN）、或保留完整协议+路径，请改用专用 URL 解析库（如 Uri.TryCreate + 白名单校验），正则仅作轻量级预筛。
掌握该正则，你便拥有了一个简洁、健壮、开箱即用的「反向域名过滤 URL 提取器」——无需依赖外部库，一行模式解决典型内容治理场景。
