如何用Node.js移除HTML文件中URL的末尾斜杠？

核心正则匹配与替换逻辑 #

针对HTML里href=、content=后的URL，我们需要覆盖带引号包裹和不带引号两种场景，同时确保单独的根路径/不被修改。

正则表达式

精准匹配符合规则的URL片段：

const urlRegex = /((href|content)=)(["']?)(https?:\/\/|\/)(?!\/)([^"' >]+?)(\/?)(["' >])/g;

替换逻辑

配合自定义替换函数，保留根路径/，移除其他URL的末尾斜杠：

const processedHtml = htmlContent.replace(urlRegex, (match, attrPrefix, _, quote, protocolOrSlash, path, trailingSlash, endChar) => {
    // 单独的根路径/直接保留
    if (protocolOrSlash === '/' && path === '') {
        return match;
    }
    // 拼接并清理末尾斜杠
    const cleanedUrl = `${protocolOrSlash}${path}`.replace(/\/$/, '');
    return `${attrPrefix}${quote}${cleanedUrl}${endChar}`;
});

完整Node.js代码示例 #

下面是读取、处理、写入HTML文件的完整流程：

const fs = require('fs').promises;
const path = require('path');

async function processHtmlFile(filePath) {
    try {
        // 读取目标HTML文件
        let htmlContent = await fs.readFile(filePath, 'utf8');
        
        // 执行URL末尾斜杠清理
        const urlRegex = /((href|content)=)(["']?)(https?:\/\/|\/)(?!\/)([^"' >]+?)(\/?)(["' >])/g;
        htmlContent = htmlContent.replace(urlRegex, (match, attrPrefix, _, quote, protocolOrSlash, path, trailingSlash, endChar) => {
            if (protocolOrSlash === '/' && path === '') {
                return match;
            }
            const cleanedUrl = `${protocolOrSlash}${path}`.replace(/\/$/, '');
            return `${attrPrefix}${quote}${cleanedUrl}${endChar}`;
        });
        
        // 写入处理后的内容
        await fs.writeFile(filePath, htmlContent, 'utf8');
        console.log(`处理完成：${filePath}`);
    } catch (err) {
        console.error(`处理文件出错：${err.message}`);
    }
}

// 调用示例：处理当前目录下的example.html
processHtmlFile(path.join(__dirname, 'example.html'));

关键细节说明 #

• (https?:\/\/|\/)确保只匹配HTTP/HTTPS开头或根路径开头的URL
• (?!\/)避免误匹配//开头的相对协议URL（不需要的话可移除该断言）
• [^"' >]+?非贪婪匹配URL内容，直到遇到引号、空格或>结束
• 专门判断根路径/，确保不会误删核心路径标识

内容的提问来源于stack exchange，提问作者tetratheta