使用正则表达式从具有可变子域的 URL 中提取环境、域和主机名

Question

我正在开发一个项目，需要从 URL 中提取特定信息，特别是环境、域和主机名。 URL 具有可变的子域，我很难构建正则表达式模式来捕获所需的组。

链接：https://regex101.com/r/4DhLns/3

我需要帮助制作一个可以有效捕获以下组的正则表达式模式：

• 第 1 组：环境（例如阶段、质量保证）
• 第 2 组：主机名（例如， 主机名）
• 第 3 组：域名（例如 com）

const regex = /.*(?<environment>(qa|stage*)).*\.(?<hostname>\w+)*\.(?<domain>\w+)$/;

function extractInfoFromURL(url) {
    const match = url.match(regex);
    
    if (match) {
        return match.groups;
    } else {
        return null; // URL didn't match the pattern
    }
}

const testUrls = [
    "https://example.test.qa.sub.hostname.com",
    "https://example.test.stage.coonect.hostname.com",
    "https://example.qa.hostname.com",
    "https://example.hostname.com",
    "https://example.stage.hostname.com",
    "https://ops-cert-stage-beta.apps.sub-test.minor.qa.test.sub.hostname.com",
    "https://ops-cert-qa-beta.apps.sub-test.minor.qa.test.sub.hostname.com",
    "https://ops-cert-qa.apps.sub-test.minor.qa.test.sub.hostname.com",
    "https://ops-cert-stage.apps.sub-test.minor.qa.test.sub.hostname.com"
];

testUrls.forEach((url, index) => {
    const result = extractInfoFromURL(url);
    
    if (result) {
        console.log(`Result for URL ${index + 1}:`, result);
    } else {
        console.log(`URL ${url} did not match the pattern.`);
    }
});

这里，问题在于：https://example.hostname.com，这里的 env 应该为空，并且域和主机应该存在。

RexEx101：https://regex101.com/r/aCCWRv/2

Answer 1

第一部分

.*?

可以从图案中省略。如果匹配中不能有空格，则

.*?

可能是

\S*?

匹配尽可能少的非空白字符。

指定的组已经是一个组，因此您不必在其中指定另一个单独的捕获组。

如果环境是可选的，那么您可以使用可选的非捕获组，直到“主机名”开始的部分。

前导

\b

是单词边界，用于防止部分单词匹配。

当前您正在使用

\w

，它可能仅限于匹配允许的字符。您可以使用字符类

[...]

指定所有允许的字符来扩展它。

\b(?:(?<environment>qa|stage|dev|preprod)\S*?\.)?(?<hostname>\w+)\.(?<domain>\w+)$

正则表达式演示

const regex = /\b(?:(?<environment>qa|stage|dev|preprod)\S*?\.)?(?<hostname>\w+)\.(?<domain>\w+)$/;

function extractInfoFromURL(url) {
  const match = url.match(regex);

  if (match) {
    return match.groups;
  } else {
    return null; // URL didn't match the pattern
  }
}

const testUrls = [
  "https://example.test.qa.sub.hostname.com",
  "https://example.test.stage.coonect.hostname.com",
  "https://example.qa.hostname.com",
  "https://example.hostname.com",
  "https://example.stage.hostname.com",
  "https://ops-cert-stage-beta.apps.sub-test.minor.qa.test.sub.hostname.com",
  "https://ops-cert-qa-beta.apps.sub-test.minor.qa.test.sub.hostname.com",
  "https://ops-cert-qa.apps.sub-test.minor.qa.test.sub.hostname.com",
  "https://ops-cert-stage.apps.sub-test.minor.qa.test.sub.hostname.com"
];

testUrls.forEach((url, index) => {
  const result = extractInfoFromURL(url);

  if (result) {
    console.log(`Result for URL ${index + 1}:`, result);
  } else {
    console.log(`URL ${url} did not match the pattern.`);
  }
});