Не жадные регулярные выражения, но не содержат строки

Question

Я пытаюсь извлечь определенные URL-адреса из HTML (например, все, которые начинаются с http, содержат / tempfiles / и заканчиваются на .jpg). У меня есть что-то вроде;

http.*?\/tempfiles\/.*?\.jpg

Проблема в том, когда у меня есть HTML как;

blah blah <img src=http://somelink/file.html>http://server/tempfiles/blah.jpg
blah blah

Возвращает http://somelink/file.html etc more junk http://server/tempfiles/blah.jpg

Есть ли способ сказать, что не должно быть второго http между первым и / tempfiles /?

Answer 1

Вы можете использовать

http(?:(?!http).)*?/tempfiles/.*?\.jpg

См. Демонстрационный пример regex и график Regulex :

Детали

• http - подстрока http
• (?:(?!http).)*? - любой символ, кроме символа новой строки, 0 или более повторений, как можно меньше, который не запускает http последовательность символов
• /tempfiles/ - буквальная подстрока
• .*? - любые 0+ символов, кроме новой строки, как можно меньше
• \.jpg - подстрока .jpg.