如何使用Python从谷歌云存储URL中提取bucket与blob字段值

方案1：字符串分割实现（新手友好，无需正则） #

针对固定结构的GCS存储URL，直接用字符串分割就能快速拿到结果，理解成本更低：

url = "https://storage.cloud.google.com/test_bucket/first_test_user/0.jpg"
# 按/分割URL得到数组
url_parts = url.split("/")
# 数组索引从0开始计数，第4个元素就是第3个/和第4个/之间的bucket内容
bucket = url_parts[3]
# 拼接第4个/之后的路径，再去掉末尾的.jpg后缀
path_after_4th_slash = "/".join(url_parts[4:])
blob = path_after_4th_slash.removesuffix(".jpg")

# 验证输出
print(bucket)  # test_bucket
print(blob)  # first_test_user/0

如果使用Python3.9以下版本，不支持removesuffix方法，可以替换为：

blob = path_after_4th_slash[:-4]

方案2：正则表达式实现 #

如果需要适配更多URL变体，用正则的捕获组可以直接提取目标内容：

import re

url = "https://storage.cloud.google.com/test_bucket/first_test_user/0.jpg"
# 正则规则：第一个捕获组拿bucket，第二个捕获组拿.jpg之前的blob内容
pattern = r"https://storage\.cloud\.google\.com/([^/]+)/(.+)\.jpg"
match_result = re.fullmatch(pattern, url)
if match_result:
    bucket = match_result.group(1)
    blob = match_result.group(2)

# 验证输出
print(bucket)  # test_bucket
print(blob)  # first_test_user/0

正则规则说明：

• [^/]+：匹配所有不包含/的字符，刚好匹配不允许带斜杠的bucket名称
• (.+)\.jpg：匹配任意字符直到遇到.jpg后缀为止，拿到完整的blob路径

内容的提问来源于stack exchange，提问作者Bernardo