从黑名单和白名单正则表达式创建正则表达式以识别和删除 url 参数

Question

我想使用黑名单和白名单从 URL 中识别和删除一些参数。但是，我想在黑名单/白名单上使用正则表达式，而不是单词列表。黑名单正则表达式中的每个匹配项都将被删除，除非白名单正则表达式允许。

此正则表达式将用于 Java 上的 replaceAll String 方法。我几乎找到了解决方案，但我在处理一般情况时遇到了一些麻烦。

例如，如果我的列表配置了正则表达式：

• 白名单：(param1)
• 黑名单：(param1|param2)

目标：删除param2 而不是param1，因为param1 在白名单正则表达式中。

我创建了一个表达式，将白名单置于否定前瞻：

(?!(param1))(param1|param2)

并将这个表达式与另一个正则表达式结合起来识别Url查询字符串的分隔符：

(?<=[?&;])(?!(param1))(param1|param2)=.*?($|[&;])

result 是只匹配 param2:

https://www.so.com?param2=2&param1=1
https://www.so.com?param1=1
https://www.so.com?param1=1&param2=2
https://www.so.com?param3=3&param1=1&param2=2
https://www.so.com?param3=3&param2=2&param1=1

Java 代码类似于：

url.replaceAll("(?<=[?&;])" + asNegativeLookahead(whitelist, blacklist) + "=.*?($|[&;])", "")
   .replaceAll("[?&;]$", "");

到目前为止，一切都很好。

但是当我在黑名单上使用一些更通用的正则表达式时，就会出现问题，例如.*：

• 白名单：(param1)
• 黑名单：.*

当第一个参数是 param1 时，这使得matches everything 在 param1 之后，忽略白名单正则表达式。

我找到了一个解决方案，用另一个正则表达式识别每个参数，并将每个组与白名单和黑名单匹配，但我对这段代码不太有信心，因为我需要手动重新创建带有参数的 Url 并且仍然需要使用负前瞻，并没有真正简化解决方案。

Answer 1

我建议使用这种组合模式：

([?&](?!.*&)|(?<=[?&;]))(?!(param1))(?=(param1|param2))([^&;=\n\r]*)=.*?($|[&;])

                whitelist ◄└──────┘    └─────────────┘► blacklist

见this demo。