没有全局标志的 Ruby 正则表达式

Question

我有一个正则表达式问题。我有这个正则表达式：

/(https|http):\/\/(kwagmire)\.(com)\/(embed)\/([a-zA-Z0-9]+)/i

这在 https://regexr.com 上正确捕获，但在 Ruby on Rails 上任何带有

的内容

http://kwagmire.com/embed/1QgJVmCam

返回一个真实的值，我认为是因为它设置了我不想要的 global 标志。

我尝试了match 和scan，但如果看到链接，仍然会返回一个真实值。我只是想让它具体一点。

https://kwagmire.com/embed/1QgJVmCam < I want to return success this one is ok when testing on console

http://kwagmire.com/embed/1QgJVmCam < I want to return success also this on returns good

https.evil.com/http://jsitor.com/embed/1QgJVmCam < I want to return fail or nil, this one passes returns all match

facebook.com < I want to return fail or nil this one is good because it's failing

https://google.com < I want to return fail or nil also this good failed
www.twitter.com < I want to return fail or nil

http://kwagmire.com/embed/1QgJVmCam/?onload(alert('asdfadsf')) < I want to return fail or nil, this one also is failing, good

http://kwagmire.com/embed/1QgJVmCam/   onload(alert('asdfadsf')) < I want to return fail or nil, this one returns match too but should fail

http://kwagmire.com/embed/1QgJVmCam/?onload(alert('asdfadsf')) < I want to return fail or nil, this one returns match too, this should fail

基本上我想要这个https://kwagmire.com/embed/1QgJVmCam 其他的都应该返回 nil 或 false。有没有不循环的简单方法？我认为这个解决方案是删除全局标志或g，但你有这个选项吗？如果是这样，我为什么要这样做？

查看/之后的i

/(https|http):\/\/(jsitor)\.(com)\/(embed)\/([a-zA-Z0-9]+)/i.match("http://jsitor.com/embed/1QgJVmCam/ onload(alert('asdfadsf'))")

然后返回，但这应该会失败

#<MatchData "http://jsitor.com/embed/1QgJVmCam" 1:"http" 2:"jsitor" 3:"com" 4:"embed" 5:"1QgJVmCam">

Answer 1

看起来您只需要在正则表达式的开头和结尾处使用^ 和$，或者更好的是\A 和\Z 来标记整个字符串的开头和结尾（^ 和$ 只要是单行就可以工作）。

这告诉 Ruby 它必须从头到尾匹配。最后的“i”也不是必需的，可能会产生不正确的结果。

以下修改的正则表达式将起作用。

/\A(https|http):\/\/(kwagmire)\.(com)\/(embed)\/([a-zA-Z0-9]+)\/?\Z/

请注意，除了\A 和\Z，我还添加了\/?，它允许在网址末尾添加可选的/。最后我还删除了i，因为您实际上并不希望 entire 正则表达式不区分大小写。最后一部分([a-zA-Z0-9]+) 已经不区分大小写，因为它是如何用 a-z 和 A-Z 声明的。

myregex.match("http://kwagmire.com/embed/1QgJVmCa/?onload(alert('asdfadsf'))") 返回 nil

myregex.match("http://kwagmire.com/embed/1QgJVmCam/") 返回 #<MatchData "http://kwagmire.com/embed/1QgJVmCam/" 1:"http" 2:"kwagmire" 3:"com" 4:"embed" 5:"1QgJVmCam">

Answer 2

我猜，

(?im)^https?:\/\/(?:w{3})?kwagmire\.com\/embed\/([a-zA-Z0-9]+)\/?$

可能工作正常。

测试

re = /^https?:\/\/(?:w{3})?kwagmire\.com\/embed\/([a-zA-Z0-9]+)\/?$/im
str = 'https://kwagmire.com/embed/1QgJVmCam
http://kwagmire.com/embed/1QgJVmCam
https.evil.com/http://jsitor.com/embed/1QgJVmCam
facebook.com
https://google.com
www.twitter.com
http://kwagmire.com/embed/1QgJVmCam/?onload(alert(\'asdfadsf\'))
http://kwagmire.com/embed/1QgJVmCam/   onload(alert(\'asdfadsf\'))'

str.scan(re) do |match|
    puts match.to_s
end

输出

["1QgJVmCam"]
["1QgJVmCam"]

正则表达式电路

jex.im 可视化正则表达式：

---

如果您希望简化/修改/探索表达式，在regex101.com 的右上角面板中已对此进行了说明。如果您愿意，您还可以在this link 中观看它如何与一些示例输入匹配。

---

Answer 3

有些人在遇到问题时会想“我知道，我会用 正则表达式。”现在他们有两个问题。

Ruby 有 URI module，它实际上解析 URI 并理解它们。在实际使用 URI 时，它几乎可以击败任何正则表达式。

输入：

input = ["https://kwagmire.com/embed/1QgJVmCam", "http://kwagmire.com/embed/1QgJVmCam", "https.evil.com/http://jsitor.com/embed/1QgJVmCam", "facebook.com", "https://google.com", "www.twitter.com", "http://kwagmire.com/embed/1QgJVmCam/?onload(alert('asdfadsf'))", "http://kwagmire.com/embed/1QgJVmCam/   onload(alert('asdfadsf'))"]

require 'uri'

# This assumes that the id is 9 characters
re =  /\A\/embed\/[\d|a-zA-Z]{9}\/?\Z/.freeze
clean = input.map do |line|
  begin
    uri = URI(line)
    if uri.host == 'kwagmire.com' && uri.path =~ re && !uri.query
      uri.to_s
    end
  rescue URI::InvalidURIError
    nil
  end
end.compact

输出：

["https://kwagmire.com/embed/1QgJVmCam", "http://kwagmire.com/embed/1QgJVmCam"]

这使您可以使用更简单的正则表达式来验证路径，您也可以只使用uri.path.split('/') 并完全放弃正则表达式。它还保证您正在处理一个有效的 URI。