如何高效查找与目标URL匹配的正确oEmbed提供者？

我偶然了解到oEmbed规范，发现它有一个providers.json文件，里面是所有已知oEmbed提供者的信息，本质是一个大型数组，每个对象结构如下：

Vimeo示例

{
    "provider_name": "Vimeo",
    "provider_url": "https://vimeo.com/",
    "endpoints": [
        {
            "schemes": [
                "https://vimeo.com/*",
                "https://vimeo.com/album/*/video/*",
                "https://vimeo.com/channels/*/*",
                "https://vimeo.com/groups/*/videos/*",
                "https://vimeo.com/ondemand/*/*",
                "https://player.vimeo.com/video/*"
            ],
            "url": "https://vimeo.com/api/oembed.{format}",
            "discovery": true
        }
    ]
}

YouTube示例

{
    "provider_name": "YouTube",
    "provider_url": "https://www.youtube.com/",
    "endpoints": [
        {
            "schemes": [
                "https://*.youtube.com/watch*",
                "https://*.youtube.com/v/*",
                "https://youtu.be/*",
                "https://*.youtube.com/playlist?list=*",
                "https://youtube.com/playlist?list=*",
                "https://*.youtube.com/shorts*"
            ],
            "url": "https://www.youtube.com/oembed",
            "discovery": true
        }
    ]
}

我想在JavaScript项目里用这个文件，但不确定怎么高效实现：写一个接收URL的函数，找到匹配的提供者（如果有的话）。暴力解法是遍历每个提供者，把schemes里的每个条目转成正则表达式测试，直到找到匹配项，但这种方法效率低。有没有提速的方法？比如有没有比正则更高效的通配符匹配方式？

提速方案 #

1. 预构建域名索引，缩小匹配范围 #

oEmbed的scheme大多以域名区分，先把所有提供者按域名分组：

• 解析每个scheme的域名（比如https://vimeo.com/*的域名是vimeo.com，https://*.youtube.com/watch*的域名是youtube.com）
• 构建一个索引对象，键是域名，值是对应提供者的列表

这样处理输入URL时，先提取它的域名，直接从索引里拿到候选提供者，不用遍历全部。比如输入https://youtu.be/xxx，提取域名youtu.be，直接找对应YouTube的条目，跳过其他所有提供者。

2. 优化通配符匹配，避免全量正则转换 #

oEmbed的scheme里的通配符规则很简单，只有两种：*（匹配任意字符，包括路径分隔符）和*.（匹配任意子域名），可以自己写轻量的匹配函数，比正则表达式更快：

function matchScheme(url, scheme) {
    // 处理子域名通配符
    if (scheme.startsWith('https://*.')) {
        const domainPart = scheme.slice(9);
        const urlDomain = new URL(url).hostname;
        if (!urlDomain.endsWith(domainPart)) return false;
        // 去掉域名部分，匹配剩余路径
        const schemePath = scheme.slice(9 + domainPart.length);
        const urlPath = url.slice(url.indexOf(urlDomain) + urlDomain.length);
        return matchWildcardPath(urlPath, schemePath);
    } else {
        // 精确域名的情况，先匹配域名
        const schemeUrl = new URL(scheme.replace('*', ''));
        const urlObj = new URL(url);
        if (schemeUrl.hostname !== urlObj.hostname) return false;
        // 匹配路径部分
        return matchWildcardPath(urlObj.pathname + urlObj.search, schemeUrl.pathname + schemeUrl.search);
    }
}

function matchWildcardPath(path, pattern) {
    // 分割通配符前后片段，做前缀/后缀/中间匹配
    const parts = pattern.split('*');
    if (parts.length === 1) return path === pattern;
    // 前缀匹配
    if (parts[0] && !path.startsWith(parts[0])) return false;
    // 后缀匹配
    if (parts[parts.length - 1] && !path.endsWith(parts[parts.length - 1])) return false;
    // 中间片段依次匹配
    let currentPos = parts[0].length;
    for (let i = 1; i < parts.length - 1; i++) {
        const part = parts[i];
        const index = path.indexOf(part, currentPos);
        if (index === -1) return false;
        currentPos = index + part.length;
    }
    return true;
}

这种字符串分割匹配的方式，避免了正则引擎的初始化和编译开销，在多数场景下比正则更快。

3. 预编译正则表达式（如果一定要用正则） #

如果还是想用正则，不要每次匹配都重新编译，提前把所有scheme转成正则表达式缓存起来：

• 初始化时，遍历每个提供者的scheme，把*转成.*，转义特殊字符（比如.转成\.），编译成RegExp对象并缓存
• 匹配时直接用预编译好的正则测试，省去重复编译的开销

4. 优先匹配高频提供者 #

如果你的场景里某些提供者（比如YouTube、Vimeo）出现频率很高，可以把它们放在索引的最前面，或者单独做一个快速匹配分支，先检查这些高频条目，命中后直接返回，不用遍历其他提供者。

总结 #

最有效的组合方式是：预构建域名索引 + 轻量通配符字符串匹配，既能大幅减少需要检查的提供者数量，又能避免正则的额外开销，在大多数场景下能把匹配速度提升数倍。

内容的提问来源于stack exchange，提问作者Svish