Les expressions régulières (également appelées REGEX ou REGEXP) vous aident à trouver des URL ou du texte qui correspondent à un modèle particulier.

Passons des exemples les plus simples à des exemples plus avancés.

La configuration suivante inclut toutes les URL qui contiennent le mot « blog » et excluent les URL contenant le mot « produit ».

Ceci explique à notre bot d'explorer :
★https://ahrefs.com/blog
​https://ahrefs.com/blog/seo-techniques/
​https://ahrefs.com/academy/blogging-for- es

Et pour ignorer :
​

https://ahrefs.com/blog/category/product-blog/
​https://ahrefs.com/blog/ecommerce-out-of-stock-products/

C'était facile, non ?

Mais que faire si vous voulez inclure les URL du sous-dossier /blog/ spécifiquement mais pas https://ahrefs.com/academy/blogging-for-business?

Vous pouvez utiliser un modèle un peu plus avancé :

Vous vous demandez probablement ce que sont ces symboles avant et après “blog”.

En regex, vous devez «escape» quelques symboles pour qu'ils ne soient pas reconnus comme des caractères spéciaux. Pour ce faire, utilisez l'antislash \ avant le caractère.

Un simple point . dans le regex, par exemple, signifie tout caractère. Mais \. fonctionne comme un symbole stop. C'est pourquoi j'ai échappé au caractère slash dans l'exemple ci-dessus comme ceci : \/

Veuillez noter que vous pouvez appliquer plusieurs modèles pour inclure ou exclure des URL dans les paramètres d'exploration dans l'audit de site. Si aucune correspondance n'est trouvée pour une des règles, la règle sera ignorée.

Les règles ci-dessus demanderont à notre explorateur d'explorer les URLs qui contiennent les mots :

“blog” ou “produit”

ET ne contiennent pas les mots :

“blogging” ou “productif.”

Pour plusieurs règles de réécriture d'URL, chaque nouvelle règle est exécutée séquentiellement au résultat de la réécriture précédente.

^ - ce symbole indique le début de l'URL

$ - ce symbole indique la fin de l'URL

. - le point décimal correspond à n'importe quel caractère unique

* - recherche l'expression précédente 0 ou plus de fois

+ - correspond à 1 ou plus du précédent

? - Matches 0 ou 1 de la précédente

| - est équivalent à OR.

[__] - est similaire à |, mais peut être utilisé pour définir des plages

(__) - les parenthèses regroupent les regex entre eux

\d - correspond à un chiffre

\D - correspond à un non-chiffre

\w - correspond à un mot

\W - correspond à un caractère non-verbal

Différents outils et plates-formes peuvent utiliser différentes librairies regex. Notre audit de site utilise RE2. Vous pouvez trouver sa syntaxe complète ici.

^https:.*\/wp-content\/

^ indique le début de l'URL. Cette règle correspond à toutes les URL commençant par « https:» suivies de 0 à n'importe quel nombre de caractères .* avant « /wp-content/».

URL correspondant au patron :
​

https://ahrefs.com/blog/wp-content/uploads/2019/03/fb-ranking-1-image-1.png

Les URL ne correspondent pas au patron :
​

http://ahrefs.com/blog/wp-content/uploads/2019/03/fb-ranking-1-image-1.png

\/blog(\/.*)?$

Cette règle correspond à toutes les URL qui se terminent $ avec « /blog », éventuellement suivi par le slash et 0 à n'importe quel nombre de caractères (\/. )?. Le point d'interrogation dans ce modèle correspond à l'expression entre parenthèses entre 0 et 1 fois, ce qui en fait facultatif.

URL correspondant au patron :
​

https://ahrefs.com/blog
​https://ahrefs.com/blog/301-redirects/

Les URL ne correspondent pas au patron :
​

https://ahrefs.com/blogging
​https://ahrefs.com/academy/blogging-for-business

@|% ou [@%]

| et [__] fonctionnent comme OU

URL correspondant au patron :
​

https://ahrefs.com/@timsoulo
​https://ahrefs.com/%D1%81%D0%B%D0%BE

Les URL ne correspondent pas au patron :
​

https://ahrefs.com/blog/nofollow-links

\?add-to-cart=

Gardez à l'esprit que ? est un symbole spécial dans la regex. Pour l'utiliser comme un simple point d'interrogation, n'oubliez pas de l'échapper comme ceci : \?

URL correspondant au patron :
​

https://yourdomain.com/?add-to-cart=25

Les URLs ne correspondent pas au modèle :
​

https://votredomaine.fr/smartphones

[0-9]{4} ou \d{4}

[0-9]{4} correspondra à toutes les URL contenant quatre {4} chiffres [0-9] à la suite

\d{4} fait la même chose que \d signifie un chiffre

URL correspondant au patron :
​

https://yourdomain.com/best-smartphones-2019

Les URLs ne correspondent pas au modèle :
​

https://votredomaine.fr/smartphones

^https?:\/\/help.ahrefs.com

Cette règle correspond à toutes les URL qui commencent par "http://help.ahrefs.com" ou "https://help.ahrefs.com".

Le point d'interrogation ici ? indique que «s» est facultatif, pour que http et https correspondent à cette règle.

URL correspondant au patron :
​

https://help.ahrefs.com
​http://help.ahrefs.com/
​http://help.ahrefs.com/site-audit

Les URLs ne correspondent pas au patron :
​

https://ahrefs.com/site-audit
A_ftp://help.ahrefs.com

\.(jpg|gif|bmp|png|css|pdf)$

Cette règle correspond à toutes les URL qui se terminent par $ avec . pg OU .gif OU . mp OU .png OU .css OU .pdf.

Vous pouvez réduire cette expression pour cibler un plus petit nombre d'extensions. Par exemple, pour les seules URL qui finissent $ avec .jpg OU .png seulement :

​ .*\.(jpg|png)$

Parenthèses (__) grouper les regex entre eux et | signifie OU

URLs correspondant au patron :
Ωhttps://ahrefs.com/blog/wp-content/uploads/2019/03/fb-ranking-1-image-1.png
​http://ahrefs.com/blog/wp-content/uploads/2019/03/fb-ranking-1-image-1.png

Les URL ne correspondent pas au patron :
​

https://ahrefs.com/site-audit

Vous pouvez utiliser les règles de réécriture d'URL dans les paramètres d'audit du site pour remplacer certaines parties des URL par une autre valeur.

Par ex. Lorsque votre site Web de pré-production est basé sur un sous-domaine, par exemple staging.ahrefs.com

Cette règle remplacera "ahrefs.com" dans chaque URL par "staging.ahrefs.com"

Avec les groupes de capture, vous pouvez remplacer plusieurs parties de l'URL par une seule règle.

Schéma à correspondre:

www\.ahrefs\.com([^\?|#]*)?([#]?[^\?]*)\??(.*)

Remplacer par :

www.ahrefs.com\1?parameter1=5273&\2?parameter2=7465&\3

([^\?|#]*) est le premier groupe de capture

([#]?[^\?]*) est le 2ème groupe de capture

(.*) est le troisième groupe de capture

\1?parameter1=5273&\2\3

remplace la valeur du 1er groupe de capture par "?parameter1=5273"

\2?parameter2=7465& remplace la valeur du 2ème groupe de capture par "?parameter2=7465&

\3 insère la valeur correspondant au troisième groupe de capture

^[\s\S]{50 $

J'espère que cet article vous a aidé à apprendre quelques trucs cool que vous pouvez faire avec les expressions régulières.

Vous pouvez tester votre Regex sur ce site : https://regex101.com/. Notez que vous devez sélectionner “Golang” dans le menu de gauche.