如何在JavaScript中生成匹配指定Blob URL格式的正则表达式？

正则规则说明 #

待匹配URL固定结构为 https://<任意内容>.blob.core.windows.net/<任意内容>?<任意内容>，三个标记为<任意内容>的可变段允许包含特殊字符，除可变段外其余内容为固定静态值。

可直接使用的正则代码 #

1. 整串校验场景（验证输入完全符合格式） #

适合表单校验、格式合法性判断场景，会严格匹配整个字符串，不允许前后有多余内容：

// 基础版：.不匹配换行符，覆盖99%常规URL场景
const blobUrlValidateRegex = /^https:\/\/.+?\.blob\.core\.windows\.net\/.+?\?.+$/;

// 极端兼容版：加s修饰符，允许可变段包含换行符
const blobUrlValidateRegexWithLineBreak = /^https:\/\/.+?\.blob\.core\.windows\.net\/.+?\?.+$/s;

正则分段逻辑：

• ^：锚定字符串开头，避免URL前带多余前缀
• https:\/\/：匹配固定的HTTPS协议头，正则字面量中/需转义
• .+?：非贪婪匹配第一个可变段（存储账户名位置），至少1个任意字符，不会吞掉后面的固定域名
• \.blob\.core\.windows\.net\/：匹配固定域名后缀和路径起始斜杠，.是正则元字符，匹配字面量点时必须转义
• .+?：非贪婪匹配第二个可变段（Blob路径段），匹配到第一个?即停止
• \?：匹配固定的查询串起始问号，?是正则元字符，匹配字面量问号时必须转义
• .+：匹配第三个可变段（查询参数内容）
• $：锚定字符串结尾，避免URL后带多余后缀

2. 文本提取场景（从大段内容中捞出符合格式的URL） #

适合日志解析、内容爬取场景，不需要锚定字符串首尾，可全局匹配所有符合规则的URL：

const blobUrlExtractRegex = /https:\/\/.+?\.blob\.core\.windows\.net\/.+?\?\S+/g;

和校验版的差异：

• 去掉了首尾的^/$锚定
• 最后一段用\S+匹配查询参数，遇到空白字符即停止，适配文本中URL前后是空格、换行的场景
• 加了g全局匹配标志，可一次性提取出文本中所有符合规则的URL

扩展用法 #

如果需要单独提取三个可变段的内容，给可变段加上捕获括号即可：

const blobUrlWithCapture = /^https:\/\/(.+?)\.blob\.core\.windows\.net\/(.+?)\?(.+)$/;
const matchResult = 'https://demo.blob.core.windows.net/container/file.txt?sv=2023-01-01'.match(blobUrlWithCapture);
// matchResult[1] 是第一个可变段：demo
// matchResult[2] 是第二个可变段：container/file.txt
// matchResult[3] 是第三个可变段：sv=2023-01-01

注意：上述正则默认要求三个可变段至少有1个字符，如果业务允许某个可变段为空，把对应位置的+改成*即可。

内容的提问来源于stack exchange，提问作者Sagar Jajoriya