在有或没有 http(s) 或 www 的情况下匹配 Mongoose 中的任何 url

Question

我想要实现的是找到一种方法来验证 URL 是否已经存在于 MongoDB 文档中，而无需保存 URL 两次，一次使用 HTTP (s)(www) 协议和其他清除 HTTP(s)(www) 以执行匹配。例如，如果 MongoDB 文档包含一条记录：

'url': "http://mysite.co?search=pattern&co=43"

所以，我想执行搜索：

MyCollection.find({'url': "mysite.co?search=pattern&co=43"})...
MyCollection.find({'url': "http://mysite.co?search=pattern&co=43"})...
MyCollection.find({'url': "https://mysite.co?search=pattern&co=43"})...
MyCollection.find({'url': "http://www.mysite.co?search=pattern&co=43"})...
MyCollection.find({'url': "https://www.mysite.co?search=pattern&co=43"})...

搜索应该与文档中实际保存的 URL 匹配。

我正在尝试使用以下正则表达式：

MyCollection.find({'url': new RegExp('^https?:\/\/(www.)?(' + 'mysite.co?search=pattern&co=43' + ')+$', 'gim')})...

但是，我在创建正则表达式方面不是很聪明，而且我仍然在努力解决这个问题。似乎 URL 中的问号破坏了正则表达式，我不太确定是否只是使用 '?' 的替换至 '\？'才是正确的做法。

搜索必须与数据库中的 'exactly' 和 URL 匹配，但 HTTP(s)(www) 协议除外。我的意思是，如果文档中的 URL 包含其他参数：

'url': "http://mysite.co?search=pattern&co=43&other=more_params"

本次搜索应该不匹配

我正在使用 Mongoose 和 nodejs。

提前致谢。

更新：

根据您的回答，我对 URL:

的正则表达式和换码做了一些改进

首先，trim 和 'clean' HTTP(s) 或 (www) 的 URL 的函数：

String.prototype.url_clean = function() {
    return this.trim().replace(/^(http(s|):\/\/)?(www\.|)/g, '');
};

还有一个转义函数URL:

RegExp.escape = function(s) {
    return s.replace(/[-[\]{}()*+!<=:?.\/\^$|#\s,]/g, '\$&');
};

所以我可以执行搜索：

MyCollection.find({'url': new RegExp('^(http(s|):\/\/)?(www\.|)(' + RegExp.escape(url.url_clean()) + ')(|\s)+$', "gim")})

Answer 1

问题是您必须从正则表达式中转义 url 的特定元素（例如“?”）/^http(s|):\/\/(www\.|)mysite\.co\?search=pattern&co=43/

相反，我会编写一个脚本来提取所有记录，将它们分成单独的字段，保存新文档。查询这些新字段而不是使用正则表达式

Answer 2

看起来不错，你只是忘了转义一些字符：

db.getCollection('regex').find({
    "url": new RegExp('^https?:\/\/(www.)?(' + 'mysite\.co\?search=pattern&co=43' + ')+$', 'gim')
})

MongoDB 中有关正则表达式的更多信息，您可以阅读 here

在有或没有 http(s) 或 www 的情况下匹配 Mongoose 中的任何 url

Match any url in Mongoose with or without http(s) or www

javascript

regex

mongoose

mongodb

node.js