Regex新手求助：匹配特定URL pagePath模式并排除多余斜杠

嘿，我来帮你捋清楚为什么你的正则会错误匹配，以及怎么修正它～

你的正则出错的核心原因 #

先拆解你写的正则：^(\/de|\/fr|\/en|\/it)\/..\/.+\/\w+[^\/]*
问题就出在.+这个部分！.是正则里的通配符，能匹配除了换行之外的任意字符，包括斜杠/。这就导致当遇到像/de/ab/word-word/word1-and-something-else/anything这种多了一层路径的URL时：

1. 开头的^(\/de|...)匹配/de没问题
2. \/..\/匹配/ab/也没问题
3. .+会贪婪地把word-word/word1-and-something-else全吃掉（因为它允许包含斜杠）
4. 剩下的\/\w+[^\/]*刚好匹配/anything
   结果整个不符合要求的URL就被错误匹配上了。

另外还有两个小细节可以优化：

• \w+只能匹配字母、数字和下划线，但你需要支持连字符-，所以这部分得调整
• 你的正则没明确处理末尾的查询参数（比如?any_ting1=any.-thing2），虽然当前可能能匹配，但不够严谨

修正后的正则表达式 #

根据你的需求，我们需要严格限制每个路径段不能包含斜杠，同时固定路径层级，还要兼容末尾的查询参数，修正后的正则是：

^\/(de|en|fr|it)\/..\/[^\/]+\/[^\/]+(?:\?.*)?$

逐段解释下这个正则： #

• ^\/(de|en|fr|it)：简化了语言路径的写法，严格匹配开头的/de//en//fr//it
• \/..\/：确保中间的路径段刚好是2个字符（比如/ab/），直接排除像moreThanTwoCHAR这种长段
• [^\/]+：这个是关键！它匹配不包含斜杠的任意字符序列，用来匹配你需要的word-word、word1-and-something-else这类路径段，写两次对应你需求里的两个路径段
• (?:\?.*)?：可选的非捕获组，专门用来匹配末尾的查询参数（?开头的所有内容），?表示这部分可以没有
• $：匹配字符串的结尾，确保URL后面不会有额外的斜杠或者多余的路径内容

验证你的示例 #

能正确匹配的： #

• /de/ab/word-word/word1-and-something-else
• /de/ab/word-word/word1-and-something-else?any_ting1=any.-thing2

会被正确排除的： #

• /de/ab/word-word/word1-and-something-else/：末尾有斜杠，$会阻止匹配
• /de/ab/word-word/word1-and-something-else/anything：多了一层路径，[^\/]+只匹配两次，后面的内容无法匹配
• /de/ab/word-word：缺少最后一个路径段，不满足结构
• /fr/moreThanTwoCHAR/anything：中间路径段长度超过2，\/..\/不匹配

小优化建议 #

如果中间的2字符路径段需要严格限制为字母（比如不能有数字或符号），可以把..改成[a-zA-Z]{2}，这样更精准。

内容的提问来源于stack exchange，提问作者p6l-richard