YouTube 正则表达式：经过测试可以同时获取视频和播放列表 ID，但 Node.js 不会答案

【问题标题】：YouTube Regex: Tested to pick up both video and playlist ID, yet Node.js won'tYouTube 正则表达式：经过测试可以同时获取视频和播放列表 ID，但 Node.js 不会
【发布时间】：2014-12-14 05:25:09
【问题描述】：

我有以下正则表达式，它已经在三个不同的网站上进行了测试，以匹配所有 YouTube 链接，并捕获视频 ID 和可选的播放列表 ID。尽管如此，我的 Node 应用程序除了视频 ID 之外什么都没有接收到：

/(?:https?:\/\/)?(?:www\.)?(?:youtu\.be\/|youtube\.com\/(?:embed\/|v\/|watch\?v=|watch\?.+&v=))((?:\w|-|_){11})(?:(?:\?|\&)index=((?:\d){1,3}))?(?:(?:\?|\&)list=((?:\w|-|_){24}))?(?:\S+)?/g

Debuggex Demo

我的实际代码：

var youtube = /(?:https?:\/\/)?(?:www\.)?(?:youtu\.be\/|youtube\.com\/(?:embed\/|v\/|watch\?v=|watch\?.+&v=))((?:\w|-|_){11})(?:(?:\?|\&)index=((?:\d){1,3}))?(?:(?:\?|\&)list=((?:\w|-|_){24}))?(?:\S+)?/g;
ansCopy = ansCopy.replace(youtube, "^~$1~^~$3~^");

使用“http://www.youtube.com/watch?v=VWKdcalZTaA&list=UUlucBMqhrYW4PWuIp8Um_cg&index=46”作为测试字符串，这应该会产生字符串：

"^~VWKdcalZTaA~^~UUlucBMqhrYW4PWuIp8Um_cg~^"

但它反而会产生：

"^~VWKdcalZTaA~^~~^"

【问题讨论】：

标签： javascript regex node.js hyperlink youtube

【解决方案1】：

这是一个 URL，所以为什么不使用 Node.js URL 模块。

var url = require('url');
var youtube = url.parse('http://www.youtube.com/watch?v=VWKdcalZTaA&list=UUlucBMqhrYW4PWuIp8Um_cg&index=46');
/*{
    protocol: 'http:',
    slashes: true,
    auth: null,
    host: 'www.youtube.com',
    port: null,
    hostname: 'www.youtube.com',
    hash: null,
    search: '?v=VWKdcalZTaA&list=UUlucBMqhrYW4PWuIp8Um_cg&index=46',
    query: 'v=VWKdcalZTaA&list=UUlucBMqhrYW4PWuIp8Um_cg&index=46',
    pathname: '/watch',
    path: '/watch?v=VWKdcalZTaA&list=UUlucBMqhrYW4PWuIp8Um_cg&index=46',
    href: 'http://www.youtube.com/watch?v=VWKdcalZTaA&list=UUlucBMqhrYW4PWuIp8Um_cg&index=46'
}*/
var query = querystring.parse(youtube.query); 
/*{
    v: 'VWKdcalZTaA',
    list: 'UUlucBMqhrYW4PWuIp8Um_cg',
    index: '46'
}*/

【讨论】：

真的那么简单吗...？你从哪里得到查询字符串？
查询字符串也由 Node.js 提供，nodejs.org/api/querystring.html
所以我发现了正则表达式没有正确识别的原因。我的代码正在解析 URL 中的所有 &。
如果可以，我会尽量避免使用 RegEx。
我明白了原因，但我的一个朋友一直在疯狂地推动正则表达式，我碰巧找到了“终极”YouTube 链接正则表达式，然后我对其进行了改进。长话短说，一些清理代码一直干扰链接。我添加了对 HTML 符号“&”的可选检测，所以它现在可以工作了。

【解决方案2】：

事实证明，正则表达式没有正确获取播放列表 ID，因为一些卫生代码会将第一个“&”替换为其对应的 HTML 表示法，干扰正则表达式并仅返回与视频 ID 匹配的内容.我的正则表达式现在同时接受“&”和“& #38;”必要时：

(?:https?:\/\/)?(?:www\.)?(?:youtu\.be\/|youtube\.com\/(?:embed\/|v\/|watch\?v=|watch\?.+(?:&|&#38;);v=))((?:\w|-|_){11})(?:(?:\?|&|&#38;)index=((?:\d){1,3}))?(?:(?:\?|&|&#38;)list=((?:\w|-|_){24}))?(?:\S+)?

Debuggex Demo

【讨论】：