正则表达式：解析 GitHub 用户名（JavaScript）

Question

正则表达式：解析 GitHub 用户名（JavaScript）

8

我正在尝试从一段文本中解析GitHub用户名（以@开头），以便将它们链接到其关联的个人资料。GitHub用户名的限制如下：

- 只能包含字母数字和单个连字符（不能连续出现连字符） - 不能以连字符开头或结尾（如果以连字符结尾，只需匹配到该位置） - 最长39个字符

例如，以下文本：

"Example @valid hello @valid-username: @another-valid-username, @-invalid @in--valid @ignore-last-dash- an@email.com @another-valid?"

应匹配：

- @valid - @valid-username - @another-valid-username - @in - @ignore-last-dash - @another-valid

应忽略：

- @-invalid - an@email.com

我正在使用JavaScript接近解决此问题。

/\B@((?!.*(-){2,}.*)[a-z0-9][a-z0-9-]{0,38}[a-z0-9])/ig

但是这并不匹配单个字符的用户名（例如@a）。以下是我的测试结果：https://regex101.com/r/rZ5eW1/2 当前的正则表达式是否有效？如何匹配一个非连字符的单个字符？

- Scott

嗯...我想到了一个答案，但有一个问题：在@hfd.com的情况下，您希望它做什么？它应该将@htd作为用户名匹配并忽略.com，还是不匹配任何内容？我的代码执行前者。此外，在@invalid--username的情况下，您希望它将@invalid作为用户名匹配，还是忽略整个字符串？ - anon

感谢您回复我。@whatever.com应该与@whatever匹配，因此我想让invalid--username匹配invalid是有道理的。 - Scott

在这种情况下，我的答案应该有效。我不确定是否可能做到像拒绝匹配一样的事情，如果除了一个特定的事情之外，它本来是一个好的匹配; 也许需要更复杂的东西，我不知道。 - anon

2

请注意，GitHub过去的用户名验证标准相对宽松，因此一些账户被保留下来（例如https://github.com/artur-）。支持人员告诉我，连字符允许出现在用户名开头和结尾，下划线也是可以的。因此，为了消除假阴性（但可能会有一些假阳性），您可能需要使用更简单的正则表达式，如`/\B@[a-z0-9_-]{1,39}/gi`。 - Piotr

3个回答

3

这个表达式也会匹配您的单词用户名。

/\B@(?!.*(-){2,}.*)[a-z0-9](?:[a-z0-9-]{0,37}[a-z0-9])?\b/ig

示例。解释：

(?!.*(-){2,}.*)：否定预查断言该模式的其余部分不能包含两个或更多相邻的破折号。
[a-z0-9]：在@后面必须有一个字母数字字符。
(?:[a-z0-9-]{0,37}[a-z0-9])?：可以有任意数量的字母数字字符或破折号，长度为0-37个字符，并在第2个模式之后紧跟一个字母数字字符，或者可能没有，以覆盖单字符用户名。(?:…)用于非捕获组。
\b：整个模式必须以单词边界结束（包括-）。

- Honore Doktorr

我想我理解了其中的一部分。也许。你能加上一个它是如何工作的解释吗？ - anon

2

回到这里已经快一年了，这让我想起这是多么聪明的做法。干得好！ - anon

2

将这些属性发送给未来的我非常善良，也很聪明 - 谢谢！ - Honore Doktorr

1

我正在使用我创建的简单RegEx从Google表单中获取github用户名，它运行得相当不错（只有一个非常罕见的注意事项）：

^@\w(-\w|\w\w|\w){0,19}$

在哪里：

^: 行首
@ 和 -: 符号 @ 和 - 本身。
\w: [A-Za-z0-9_]，数字、字母（大小写均可）和下划线
$: 行尾
{0,19}: 重复括号前面的内容从零到十九次

总结：

匹配的RegEx必须是整行（从^到$）
它将以字母（大小写都可以），数字或下划线开头，后跟一个@ (@A，@1或@_)
然后它将遵循重复模式(...){0,19}中的三个选项之一：
- 短横线和一个\w（第一种选择）
- 两个\w（第二种选择）
- 一个单独的\w（第三种选择）
这将重复并给出以下模式:
零次：单个字母用户名
一次：它可以是两个字母的用户名，或三个字母，或带有中划线的三个字符@w-w
多次：它保证短横线不在开头或结尾，也不重复，在任何其他地方都可以。
19次：如果仅使用第一和第二个选项，则最多可获得19*2=38个字符，加上开头的一个字符等于39个字符总数。如果随时使用第三个选项，则总大小将更小。

注意:

它不能识别带有@ww-w...w的模式（第三个字母中有一个破折号，且长度为39个字符）。
虽然它可以识别长度小于39个字符的@ww-w...w模式。

问题在于，要实现ww-w模式，该模式被分解为第一个w单独站立，后跟作为重复表达式中第三个选项的单个w（这只剩下18个），然后又重复一次作为w-（第一个选项，只剩下17个），而当剩下这17个时，我们只能得到17*2=34个字符。这意味着，最大长度为38个字符（34+2+1+1），而不是39个。

但对于我的目的来说，这真的没关系，所以如果你需要简单性，这里有一个可以给你相当好答案的RegEx。我希望它能帮助你在翻译成javascript时理解它。

- DrBeco

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- anon · Accepted Answer

/\B@([a-z0-9](?:-(?=[a-z0-9])|[a-z0-9]){0,38}(?<=[a-z0-9]))/gi

注意：当此正则表达式遇到不能出现在用户名中的字符或字符集（例如.，--）时，它会从@匹配到停止点。OP表示这样做没问题所以我会继续使用它。因此，如果下划线是匹配区域（而不是捕获区域）：

@abc.123
@abc--123
@abc-

这是通过使用大量嵌套组来实现的。Regex101有一个很棒的分解, 但这里还是我的解释:

\B: 这是一个内置的表示“不是单词边界”的方法，似乎能够解决问题，尽管如果像someones.@email.com这样的内容是有效的电子邮件地址，则可能会出现问题。但此时，它与在@引用开头的标点符号后不放空格的人的文本无法区分^[1]。

感谢Honore Doktorr指出JS中不存在负回顾前瞻。

@：只是字面上的@符号。少数几个地方，一个字符表示它本身。
(...)：捕获组。放置方式意味着它不会捕获@符号，只会匹配它，所以更容易获取用户名——无需获取子字符串。
[a-z0-9]：匹配任何字母或数字的字符类。由于 i 标志，这也匹配大写字母。因为它是第一个字母，所以必须存在。
(?:...)：这是一个非捕获组。它将正则表达式块包装在一个组中，而不捕获它。
...|...：我们有两种替代方案，分别是...
-（?= [a-z0-9]）：连字符，紧随其后的是非连字符有效字符。
[a-z0-9]：有效的非连字符字符。
{0,38}：匹配非捕获组0到38次，包括39个字母最多。超过这个范围的任何内容都将被忽略。
(?<=[a-z0-9])：这是一个正向后顾，JS支持它。它确保最后一个字符不是-——或者说是除连字符以外的有效字符。

这可以通过几种方式进行“优化”，但说实话，我可能会使用一个简单得多的正则表达式，并在此后对其进行一些验证，例如：

// somehow get the prospective username into `user`
if (user.startsWith('-')) { /* reject */ }
if (user.endsWith('-')) { /* reject */ }
if (user.contains('--')) { /* reject */ }

至少要解释你代码中的正则表达式。欢迎使用我的正则表达式，但请注明出处。