在Logstash中使用Ruby移除URL数组中的URL前缀问题

你的两种数组遍历写法（each加push、map）逻辑本身没毛病，问题确实出在gsub的正则上，核心是两个点：

• 正则没锚定字符串开头，万一URL中间出现类似http://的片段，可能会误匹配
• 在Logstash配置语境中，Ruby字符串里的反斜杠得双重转义，不然会被Logstash的解析器提前转义，导致正则失效

修正后的代码 #

推荐用更简洁的map写法：

newUrlArray = urlArray.map{ |url| url.gsub(/^(https?:\/\/)?(www\.)?/, '') }

如果是写在Logstash的ruby filter块里，要注意配置里的字符串转义，完整示例如下：

filter {
  ruby {
    code => "
      urlArray = ['https://www.google.com','https://www.bcc.com']
      newUrlArray = urlArray.map{ |url| url.gsub(/^(https?:\/\/)?(www\.)?/, '') }
      event.set('cleaned_urls', newUrlArray)
    "
  }
}

正则说明 #

• ^：锚定字符串开头，保证只处理URL最前面的前缀，不会误碰中间内容
• (https?:\/\/)?：匹配可选的http/https协议头（s?表示s可选，\/\/是Ruby正则里对斜杠的转义）
• (www\.)?：匹配可选的www.前缀
• 替换为空串后，就能得到去掉前缀的纯域名（比如google.com、bcc.com）

最终效果 #

运行上述代码后，newUrlArray的内容为：

['google.com', 'bcc.com']

内容的提问来源于stack exchange，提问作者Mor