使用RE2正则移除第N个斜杠后内容及查询参数的Prometheus问题

需求明确 #

针对Prometheus的http_path标签，需要实现：

• 移除所有查询参数（?及之后的全部内容）
• 路径分段仅保留[a-zA-Z0-9_-]组成的有效部分（如/a%处理为/a）
• 保留前N个有效分段（示例中N=2，即最多保留两段，如/a/b/c处理为/a/b）
• 自动移除分段结尾的斜杠（如/a/b/处理为/a/b）
• 根路径/保留为/

解决方案（N=2时） #

在Prometheus的label_replace函数中使用以下RE2正则：

label_replace(your_metric, "http_path_grouped", "$1$2", "http_path", "^(/(?:[a-zA-Z0-9_-]+)?)(?:/([a-zA-Z0-9_-]+))?(?:/.*|\\?.*)?$")

正则拆解

• ^(/(?:[a-zA-Z0-9_-]+)?)：捕获根斜杠，可选跟随第一段有效字符（如/或/a）
• (?:/([a-zA-Z0-9_-]+))?：可选捕获第二段有效字符（如/b），非捕获组包裹避免干扰整体匹配
• (?:/.*|\\?.*)?：匹配并忽略后续的路径内容或查询参数，不参与捕获

测试验证 #

针对示例输入，执行后结果完全符合预期：

调整N值 #

如果需要保留前N个分段，只需扩展捕获组数量：

• N=3时，正则修改为：

  ^(/(?:[a-zA-Z0-9_-]+)?)(?:/([a-zA-Z0-9_-]+))?(?:/([a-zA-Z0-9_-]+))?(?:/.*|\\?.*)?$
  

  替换字符串改为$1$2$3即可。

原方案问题分析 #

1. 方案一(^/(?:[[a-zA-Z0-9_-]+/?){0,2})

   • 存在语法错误（双重[[）
   • 字符集仅包含[a-zA-Z0-9_-]，但匹配逻辑是整段匹配，导致包含%等特殊字符的路径（如/a%）无法触发匹配
   • 结尾的/?会保留路径末尾的斜杠，不符合需求

2. 方案二(.*?/.*?){0,2}/.*

   • 正则逻辑是匹配包含至少两个斜杠的完整路径，而非捕获需要的分段内容
   • 对于仅含一个斜杠的路径（如/a），无法匹配，因此无法捕获有效内容

内容的提问来源于stack exchange，提问作者Arsxy