如何用正则表达式提取含Test_openjdk标识的Jenkins构建链接

第一次正则错误 #

• 用了贪婪匹配的.+，会连续吞掉多个相邻的链接内容，导致多个链接被合并为一个匹配结果
• 末尾的\d?匹配逻辑过于宽松，0次或1次数字的限制几乎无效，会匹配大量无关内容
• 反引号包裹的内容没有做特征过滤，所有反引号内容都会被匹配，导致cent7-aarch64-3这类无关内容也被提取

第二次正则错误 #

• HTTP部分的规则逻辑错位，写死了\/\/Test_openjdk的结构，但实际HTTP链接中ci.adoptopenjdk.net域名在Test_openjdk前面，导致所有HTTP开头的链接全部匹配失败
• 仅覆盖了带console后缀的链接，没有匹配直接以数字/结尾的Jenkins原生构建链接，存在漏匹配

匹配正则 #

(?:https?://[\w./-]+(?=Test_openjdk\d))?Test_openjdk\d[\w./-]+?/\d+/

使用时需要开启全局匹配模式。

正则逻辑说明 #

• 前缀(?:https?://[\w./-]+(?=Test_openjdk\d))?是可选匹配项，仅匹配后面紧跟Test_openjdk+数字特征的HTTP链接前缀，适配域名变更的需求，不会匹配无关HTTP链接
• 强制匹配核心特征Test_openjdk\d，确保所有匹配结果都是目标构建链接
• 后缀[\w./-]+?/\d+/采用非贪婪匹配，匹配到数字+斜杠的结尾格式就停止，自动截断后面的console、consoleFull等多余内容，同时自动过滤反引号内末尾没有斜杠的无效构建记录
• 自动适配两种场景：带HTTP前缀的公开链接、反引号包裹的无HTTP前缀内部构建链接

内容的提问来源于stack exchange，提问作者Asjad khan