如何使用纯正则表达式移除URL端口以适配Vector VRL使用场景

正确正则表达式 #

匹配规则（用于替换） #

(https?://[^:/]+):\d+

替换内容 #

$1

规则说明 #

• https?:// 匹配http/https协议前缀
• [^:/]+ 使用排除型字符集匹配主机部分，遇到冒号（端口前的分隔符）或斜杠（路径起始符）立刻停止匹配，避免原写法中.*贪婪匹配过度的问题
• :\d+ 匹配端口段（冒号加1位及以上数字）
• 替换时仅保留分组1捕获的协议+主机部分，自动丢弃端口段

VRL中使用示例 #

直接调用VRL的replace内置函数即可：

# .url为存储原始URL的字段，处理后结果存入.clean_url字段
.clean_url = replace!(.url, r"(https?://[^:/]+):\d+", r"$1")

效果验证 #

所有测试用例均符合预期：

• https://www.aaaa.com:5000 → https://www.aaaa.com
• https://bbbb.com:443 → https://bbbb.com
• https://cccc.com → 无匹配直接保留原内容 https://cccc.com
• 带路径的URL https://test.com:8080/path?query=1 → https://test.com/path?query=1

内容的提问来源于stack exchange，提问作者Jenny M