使用Python 3.9或正则表达式清理GitHub URL中@前敏感信息的方法

现有代码的潜在问题 #

你目前的实现可以处理符合格式的输入，但存在两个明显缺陷：

• 强制将整个URL转为小写，会修改仓库所有者、仓库名称的原始大小写，虽然GitHub仓库路径本身不区分大小写，但如果后续需要用脱敏后的URL做路径匹配、克隆等操作，可能会出现非预期问题
• 硬编码查找github.com/的方式兼容性差，无法处理http协议、带www前缀的GitHub域名等特殊场景，且如果输入URL不包含目标字符串时会抛出索引异常

更优实现方案 #

方案1：使用Python标准库urllib.parse处理（最推荐） #

这是最符合URL规范的实现方式，不需要硬编码字符串，也不会修改路径的原始内容，兼容所有合法URL格式：

from urllib.parse import urlparse

def sanitize_github_url(github_url_with_username_token):
    parsed = urlparse(github_url_with_username_token)
    # 去掉netloc中的用户名和认证信息，只保留域名部分
    clean_netloc = parsed.netloc.split('@')[-1]
    # 重新拼接为干净的URL，若需要强制统一为https协议，可添加scheme='https'参数
    return parsed._replace(netloc=clean_netloc).geturl()

测试效果：
输入https://usernameabc:token1234@github.com/abc/easy-as-123，输出为https://github.com/abc/easy-as-123，完全符合预期。就算输入已经是无认证的干净URL，函数也能正常返回原始内容，兼容性更强。

方案2：正则表达式实现 #

如果偏好正则的简洁写法，在输入格式固定的场景下可以使用：

import re

def sanitize_github_url(github_url_with_username_token):
    # 匹配http/https协议开头，@之前的所有认证信息，替换为https://前缀
    return re.sub(r'^https?://[^@]+@', 'https://', github_url_with_username_token)

方案对比 #

• 标准库方案兼容性最好，能自动处理http协议、带端口、带www前缀的各种合法URL，也能对非法输入做基础容错，适合生产环境使用
• 正则方案代码更简洁，适合输入格式固定的内部工具场景

内容的提问来源于stack exchange，提问作者Kim Stacks