用于从 Content-Disposition 标头中提取文件名的 javascript 正则表达式答案

【问题标题】：javascript regex for extracting filename from Content-Disposition header用于从 Content-Disposition 标头中提取文件名的 javascript 正则表达式
【发布时间】：2014-05-28 01:57:10
【问题描述】：

Content-disposition 标头包含可以轻松提取的文件名，但有时它包含双引号，有时不包含引号，并且可能还有其他一些变体。有人可以编写一个适用于所有情况的正则表达式吗？

Content-Disposition: attachment; filename=content.txt

以下是一些可能的目标字符串：

attachment; filename=content.txt
attachment; filename*=UTF-8''filename.txt
attachment; filename="EURO rates"; filename*=utf-8''%e2%82%ac%20rates
attachment; filename="omáèka.jpg"
and some other combinations might also be there

【问题讨论】：

标签： javascript regex

【解决方案1】：

我创建了一个正则表达式，使用filename 组查找这些名称

/(?<=filename(?:=|\*=(?:[\w\-]+'')))["']?(?<filename>[^"';\n]+)["']?/g

const regex = /(?<=filename(?:=|\*=(?:[\w\-]+'')))["']?(?<filename>[^"';\n]+)["']?/g

const filenames = `
attachment; filename=content.txt
attachment; filename*=UTF-8''filename.txt
attachment; filename="EURO rates"; filename*=utf-8''%e2%82%ac%20rates
attachment; filename="omáèka.jpg"
`

function logMatches(){
  const array = new Array

  filenames.split("\n").forEach(line => {
    if(!line.trim()) return

    const matches = line.matchAll(regex)
    const groups = Array.from(matches).map(match => match?.groups?.filename)

    array.push(groups.length === 1 ? groups[0] : groups)
  })

  console.log(array)
}

logMatches()

【讨论】：

【解决方案2】：

filename[^;\n]*=(UTF-\d['"]*)?((['"]).*?[.]$\2|[^;\n]*)?

我已经升级了 Robin 的解决方案来做两件事：

捕获文件名，即使它已转义双引号。
将 UTF-8'' 部分捕获为单独的组。

这是一个 ECMAScript 解决方案。

https://regex101.com/r/7Csdp4/3/

【讨论】：

我已经调整了您的正则表达式，允许在 = 之后和名称之前使用空格：filename[^;\n]*=\s*(UTF-\d['"]*)?((['"]).*?[.]$\2|[^;\n]*)?

【解决方案3】：

/filename[^;=\n]*=(?:(\\?['"])(.*?)\1|(?:[^\s]+'.*?')?([^;\n]*))/i

https://regex101.com/r/hJ7tS6/51

编辑：你也可以使用这个解析器： https://github.com/Rob--W/open-in-browser/blob/master/extension/content-disposition.js

【讨论】：

【解决方案4】：

稍作修改以匹配我的用例（去掉所有引号和 UTF 标签）

filename\*?=['"]?(?:UTF-\d['"]*)?([^;\r\n"']*)['"]?;?

https://regex101.com/r/UhCzyI/3

【讨论】：

如果文件名包含 ' 则失败

【解决方案5】：

这是我的正则表达式。它适用于 Javascript。

filename\*?=((['"])[\s\S]*?\2|[^;\n]*)

我在我的项目中使用了这个。

【讨论】：

【解决方案6】：

免责声明：以下答案仅适用于 PCRE（例如 Python / PHP），如果您必须使用 javascript，请使用 Robin 的答案。

Robin 正则表达式的修改版本去掉了引号：

filename[^;\n=]*=(['\"])*(.*)(?(1)\1|)

filename        # match filename, followed by
[^;=\n]*        # anything but a ;, a = or a newline
=
(['"])*         # either single or double quote, put it in capturing group 1
(?:utf-8\'\')?  # removes the utf-8 part from the match
(.*)            # second capturing group, will contain the filename
(?(1)\1|)       # if clause: if first capturing group is not empty,
                # match it again (the quotes), else match nothing

https://regex101.com/r/hJ7tS6/28

文件名在第二个捕获组中。

【讨论】：

这需要 PCRE 风格的正则表达式——OP 要求使用 JS。
@miqid 是的，很抱歉我编辑了我的答案。虽然我使用的是 python，所以我认为我的版本可以看作是我们这些不使用 javascript 的问题的通用解决方案。
res = re.search(r"filename[^;\n=]*=(['\"])*(.*)(?(1)\1|)", 字符串) res.group(2)

【解决方案7】：

您可以本着这种精神尝试一下：

filename[^;=\n]*=((['"]).*?\2|[^;\n]*)

filename      # match filename, followed by
[^;=\n]*      # anything but a ;, a = or a newline
=
(             # first capturing group
    (['"])    # either single or double quote, put it in capturing group 2
    .*?       # anything up until the first...
    \2        # matching quote (single if we found single, double if we find double)
|             # OR
    [^;\n]*   # anything but a ; or a newline
)

您的文件名在第一个捕获组中：http://regex101.com/r/hJ7tS6

【讨论】：

匹配的字符串不能包含双引号和“utf-8”
@adnankamili：最简单的解决方案可能是在之后执行此检查，与正则表达式分开。
/filename[^;=\n]*=((['"]).*?\2|[^;\n]*)/.exec(contentDisposition)[1]
文件名[^;=\n]*=(?:(\\?['"])(.*?)\1|(?:[^\s]+'.* ?')?([^;\n]*))