URL 是 Uniform Resource Locator 的缩写，即统一资源定位符。URL 就是一个给定的独特资源在 Web 上的地址。如果你从事 Web 前端开发有一段时间了，相信一定会遇到需要使用 JavaScript 解析 URL 地址信息的时候。本文就介绍一下如何使用 JavaScript 解析 URL。文章源自灵鲨社区-https://www.0s52.com/bcjc/javascriptjc/16619.html
URL 格式
让我们再来回顾一下 URL 的格式：文章源自灵鲨社区-https://www.0s52.com/bcjc/javascriptjc/16619.html
文章源自灵鲨社区-https://www.0s52.com/bcjc/javascriptjc/16619.html
完整的 URL 信息包括以下几点：文章源自灵鲨社区-https://www.0s52.com/bcjc/javascriptjc/16619.html
- 协议（protocol）：采用的协议方案；
- 登录信息（username & password）：（可选项）指定用户名和密码，用来从服务器获取资源时的认证信息；
- 服务器地址（hostname）：待访问的服务器地址。可以是域名形式也可以是 IP 地址；
- 服务器端口号（port）：；（可选项）指定服务器连接网路的端口号；
- 带层次的文件路径（pathname）：指定服务器上的文件路径来定位特指的资源；
- 查询字符串（search）：（可选项）查询字符串参数；
- 片段标识符（hash）：（可选项）用来标记已获取资源中的子资源；
解析 URL
在回顾 URL 都包括哪些信息后，接下来就介绍如何使用 JavaScript 来解析 URL 的这些信息。以本文地址为例：文章源自灵鲨社区-https://www.0s52.com/bcjc/javascriptjc/16619.html
vbnet
http://www.yaohaixiao.com/blog/how-to-parse-url-with-javascript/
按照 URL 的格式规范，本文的 URL 地址解析后的信息应该如下：文章源自灵鲨社区-https://www.0s52.com/bcjc/javascriptjc/16619.html
- protocol: http
- hostname: www.yaohaixiao.com
- pathname: /blog/how-to-parse-url-with-javascript/
可以看到，本文地址的 URL 解析后的信息并没有前文提到的完整 URL 信息中那么多。这是因为 URL 信息中有几项信息是可选项信息，本文的示例 URL 地址中都是没有值的。文章源自灵鲨社区-https://www.0s52.com/bcjc/javascriptjc/16619.html
在通过人工分析的方式分析了一遍，现在就要开始使用 JavaScript 编程解析 URL 信息了。当然，解析 URL 信息的方法很多，本文主要介绍两种解析方法：正则表达式解析 和 URL 构造函数解析。文章源自灵鲨社区-https://www.0s52.com/bcjc/javascriptjc/16619.html
正则表达式解析
使用 JavaScript 中的正则表达解析 URL 信息应该最常见的方法了，当然这需要具备一定的 JavaScript 正则表达式相关的知识。而使用正则表达式分析 URL 地址其实也并不复杂。文章源自灵鲨社区-https://www.0s52.com/bcjc/javascriptjc/16619.html
按照前文图片中的 URL 信息的结构，使用括号“()”分组表达符对 URL 中对应的信息进行分组，正则表达式的伪代码大致如下：文章源自灵鲨社区-https://www.0s52.com/bcjc/javascriptjc/16619.html
ruby
/^((protocol):)?//((username):(password)@)?(hostname)(:(port))?(pathname)(?(search))?(#(hash))?/
可以看到，正则表达式也分了 7 组：
- protocol - 协议分组：((protocol):)?，最外层的 ()? 中，? 表示数量为 0 或 1 个，即表示协议名称是可选的；
- auth - 授权信息分组：((username):(password)@)?，与协议分组一样，整个授权分组也是可选的。其中又包含 username 子分组和 password 子分组；
- hostname - 服务器地址分组：(hostname)，表示 hostname 信息是必选的;
- port - 端口分组：(:(port))?，表示端口号是可选的；
- pathname - 带层次的文件路径分组：(pathname)，表示文件路径是必选的；
- search - 查询字符串分组：(?(search))?，表示查询字符串是可选的；
- hash - 片段标识符分组：(#(hash))?，表示片段标识符分组也是可选的；
完成了大的分组后，接下来要处理的问题就是相对比较容易了，就是用真是的正则表达式将使用英文字母的伪代码内容替换掉。对应完整的 JavaScript 的正则表达式代码如下图：
可以看到，途中蓝色文字标识的是伪代码中对应的 7 个分组，而灰色文字标识的是最终需要获取的 URL 对应的信息。下面就详细介绍一下各个分组的正则表达式的含义。
1. protocol（协议分组）
csharp
// ((protocol):)?
(([^:/?#]+):)?
([^:/?#]+)，匹配协议名称（子分组），具体的含义如下：
- [^]，表示除了“^”符号后的字符以外的所有字符。 [^:/?#] 就表示除了":"（冒号）、"/"（反斜杠）、“?”（问号）和“#”（井号）以外的所有字符。也就是是说，协议名称可是除了以上符号以外的所有字符都可以。我这个匹配比较宽泛，通常协议名称是字母，所以也可以写作([a-zA-Z])。除非确定邀请非常高的匹配精度，可以适当写宽泛一些。
- []+，中括号后的 + 表示数量为 1~n 个，所以 ([^:/?#]+) 整个的意思是协议名称匹配为除了":"（冒号）、“?”（问号）和“#”（井号）以外的所有字符字符都可以，并且长度要求是1个以上。
(([^:/?#]+):)?，匹配协议名称加“:”格式，例如：http: 。当然，在介绍分组伪代码的时候，介绍过了，()? 括号后的 ? 标识整个协议分组是可选的。而之所以将协议分组作为可选的，是应为实际的应用中：
arduino
//www.yaohaixiao.com/favicon.ico
这种不带协议名称的 URL 地址也是允许的。
因此，(([^:/?#]+):)? 这段表达式将匹配 2 组数据：http: 和 http，前者是大分组 ()? 匹配的信息，后者则是子分组 ([^:/?#]+) 匹配的信息，也是真正希望解析的 URL 协议信息。不过由于整个协议分组是可选的，因此协议分组的两个分组也可能都匹配不到数据。
2. auth（授权信息分组）
csharp
// ((username):(password)@)?
(([^/?#]+):(.+)@)?
([^/?#]+)，匹配用户名，由于规则和匹配协议名称一样，在此就不重复了。
(.+)，匹配密码。具体含义如下：
- “.”，表示任何字符。因为密码由于考虑安全因数，一般都希望密码是包含字符（而且包含大小写），数组和特殊字符的组合。所以直接不做任何限制，允许密码包含任意字符。
- “+”，表示数量为1个或者多个，即密码不能为空。
(([^/?#]+):(.+)@)?，匹配完整的授权信息。匹配的数据如：yao:Yao1!@。与授权信息一样，最外层的()?表示授权信息也是可选的。
因此，(([^/?#]+):(.+)@)? 整个会匹配 3 组数据：完整的用户授权分组信息、用户名以及密码。由于整个协议分组是可选的，因此授权分组的 3 组信息也可能都匹配不到数据。
3. hostname（服务器地址分组）
csharp
// (hostname)
([^/?#:]*)
([^/?#:]*)，匹配服务器地址信息。和协议分组的表达式一样，使用了比较宽松的匹配逻辑。
4. port（端口分组）
scss
// (:(port))?
(:(d+))?
(d+)，匹配端口号信息。端口号只能是数字类型的数据，对端口号长度的要求是至少有一个。对端口号的长途匹配也没有使用太严苛的长度要求。虽然通常端口号的长度一般是 2 位数字起，但还是建议遵循之前提到的建议，如果不是有具体的精度要求，表达式都可以使用宽泛一些的匹配规则。
(:(d+))?，匹配完整的端口号分组信息。匹配的格式如：“:80”。
同样的，整个端口号分组匹配的表达式也是可以匹配 2 组数据：:80 和 80。当然，端口号分组也是可选的，很大可能配备不到信息。
5. pathname（带层次的文件路径分组）
csharp
// (pathname)
([^?#]*)
([^?#]*)，匹配带层次的文件路径信息。具体的含义是：
- [^?#]，除了“?”（问号）和“#”（井号）以外的所有字符都可以作为路径信息。
- []*，表示字符长度可以是任意长度。因为 URL 地址可以是这样的：
arduino
http://www.yaohaixiao.com。
虽然没有使用“()?”的形式表示路径为可选的，但用于路径的长度可以为 0，其实路径也是可选的，也有可能匹配不到数据。
6. search（查询字符串分组）
csharp
// (?(search))?
(?([^#]*))?
([^#])，匹配查询字符串信息。除了“#”（井号）以外的所有字符都可以作为查询字符串信息。[] 表示可选，因为路径：www.yaohxiao.com? 也是允许的。
(?([^#]*))?，匹配查询字符串的分组信息。匹配的格式如：?id=23。当然也是可选的。
整个查询字符串分组的表达式(?([^#]*))? ，也是可以匹配出 2 组数据。而因为整个分组是可选的，所以查询字符串的分组匹配也很可能匹配不到数据。
7. hash（片段标识符分组）
bash
// (#(hash))?
(#(.*))?
(.)，匹配片段标识。“.”表示任意字符，“”表示任意长度。即片段表示可以是任意字符，且长度为任意长度的。
(#(.*))?，匹配判断标识分组。匹配的格式如：#1234。看到()?，就知道片段标识符分组是可选的。
整个片段标识符分组的表达式(#(.*))? ，也可以匹配出 2 组数据。当然，也可能什么也匹配不上。
介绍完所有的分组表达式，最后来统计一下最多一共可以匹配多少组数据：2 + 3 + 1 + 2 + 1 + 2 + 2 + 1 = 14。其中，最后一个加1，是匹配的整个 URL 地址。
验证一下使用正则表达式对本文 URL 地址的匹配信息：
js
const URL = 'http://www.yaohaixiao.com/blog/how-to-parse-url-with-javascript/'
const pattern = /^(([^:/?#]+):)?//(([^/?#]+):(.+)@)?([^/?#:]*)(:(d+))?([^?#]*)(?([^#]*))?(#(.*))?/
const matches = URL.match(pattern)
console.log(matches)
输出的结果为：
makefile
0: "http://www.yaohaixiao.com/blog/how-to-parse-url-with-javascript/" 1: "http:"
2: "http"
3: undefined
4: undefined
5: undefined
6: "www.yaohaixiao.com"
7: undefined
8: undefined
9: "/blog/how-to-parse-url-with-javascript/"
10: undefined
11: undefined
12: undefined
13: undefined
groups: undefined
index: 0
input: "http://www.yaohaixiao.com/blog/how-to-parse-url-with-javascript/"
正如之前人工分析的一样，使用 match() 方法匹配了 14 个结果。由于示例 URL 地址中很多可选的信息都是没有的，所以匹配结果为 undefined。但这个结果并不是那么一目了然，让我们看看完整的 parseURL() 方法。
完整的 parseURL() 方法
完整的 parseURL() 方法的如下：
js
/**
* 分析 url 地址，将解析的结果作为对象返回，返回属性有：
* 1. href - 完整 URL 地址
* 2. protocol - 协议
* 3. username - 用户名
* 4. password - 密码
* 5. host - 域名地址
* 6. hostname - 域名名称
* 7. port - 端口号
* 8. path - 路径
* 9. pathname - 路径名
* 10. search - 查询参数
* 11. hash - 哈希值
* ====================================================
* @param {String} url - URL地址
* @returns {Object}
*/
const parseURL = (url) => {
const pattern = /^(([^:/?#]+):)?//(([^/?#]+):(.+)@)?([^/?#:]*)(:(d+))?([^?#]*)(?([^#]*))?(#(.*))?/
const matches = url.match(pattern)
return {
href: url,
origin: matches[1] + matches[2],
protocol: matches[2] || '',
username: matches[4] || '',
password: matches[5] || '',
host: matches[6] + (matches[7] ? matches[7] : ''),
hostname: matches[6],
port: matches[8] || '',
path: matches[9] + matches[10],
pathname: matches[11],
search: matches[10] || '',
hash: matches[13] || ''
}
}
它返回一个对象，将正则表达式匹配的信息复制给具体的 URL 名称的属性。看看使用 parseURL() 方法解析前面的 URL 地址的结果吧：
js
const URL = 'http://www.yaohaixiao.com/blog/how-to-parse-url-with-javascript/'
const result = parseURL(URL)
解析后的结果：
json
{
hash: undefined,
host: "www.yaohaixiao.com",
hostname: "www.yaohaixiao.com",
href: "http://www.yaohaixiao.com/blog/how-to-parse-url-with-javascript/",
orgin: "http://www.yaohaixiao.com",
password: undefined,
path: "/blog/how-to-parse-url-with-javascript/undefined",
pathname: undefined,
port: undefined,
protocol: "http",
search: undefined,
username: undefined,
}
现在解析后的结果是不是一目了然了？
URL 构造函数解析
除了前文介绍的使用 JavaScript 中的正则表达式解析 URL 信息之外，还可以利用新的 URL 构造函数来解析 URL 地址，并且解析起来更加简单。
URL() 构造函数
URL() 构造函数返回一个新创建的 URL 对象，表示由一组参数定义的 URL。如果给定的基本 URL 或生成的 URL 不是有效的 URL 链接，则会抛出一个 TypeError。
语法如下：
js
new URL(url [, base]);
- url：是一个表示绝对或相对 URL 的 DOMString。如果url 是相对 URL，则会将 base 用作基准 URL。如果 url 是绝对URL，则无论参数base是否存在，都将被忽略；
- base：可选，是一个表示基准 URL 的 DOMString，在 url 是相对 URL 时，它才会起效。如果未指定，则默认为 ''；
调用方法如下：
js
// 直接使用绝对 URL 地址方式调用
const url = new URL('http://example.com/path/index.html');
// 使用 path 加 base 地址参数的方式调用
const url = new URL('/path/index.html', 'http://example.com');
URL() 构造函数的接口信息如下：
js
interface URL {
href: USVString;
protocol: USVString;
username: USVString;
password: USVString;
host: USVString;
hostname: USVString;
port: USVString;
pathname: USVString;
search: USVString;
hash: USVString;
// 只有 orgin 和 searchParams 是只读，其余的属性都是可修改的
readonly origin: USVString;
readonly searchParams: URLSearchParams;
toJSON(): USVString;
}
所以每个使用 URL() 构造函数创建的实例，都会返回完整 URL 信息了。例如：
js
const url = new URL('http://www.yaohaixiao.com/blog/how-to-parse-url-with-javascript/');
返回的数据为：
json
{
hash: "",
host: "www.yaohaixiao.com",
hostname: "www.yaohaixiao.com",
href: "http://www.yaohaixiao.com/blog/how-to-parse-url-with-javascript/",
origin: "http://www.yaohaixiao.com",
password: "",
pathname: "/blog/how-to-parse-url-with-javascript/",
port: "",
protocol: "http:",
search: "",
searchParams: URLSearchParams {},
username: ""
}
可以看到，使用 URL() 构造函数返回的数据和前文使用正则表达式解析的数据基本一致，只是这里多了一个 searchParams 对象。
可以看到，使用 URL() 构造函数返回的数据和前文使用正则表达式解析的数据基本一致，只是这里多了一个 searchParams 对象。
searchParams 对象又是 URLSearchParams 对象的一个实例，用来获取查询字符串中的某个参数的值，用法如下：
js
const url = new URL('http://www.yaohaixiao.com/blog/how-to-parse-url-with-javascript/?id=312');
url.searchParams.get('id') // -> 123
URL() 构造函数的功能是不是很强大了。不知道 URL() 构造函数浏览器支持的情况怎么样？
URL() 构造函数的浏览器兼容情况
在主流浏览器中，除了 IE 浏览器，其余的都基本支持了。基本上可以放心使用 URL() 构造函数来解析 URL 信息。
正则表达式解析 VS URL 构造函数解析
对两种解析 URL 信息的方法进行比较，很明显使用 URL() 构造函数解析的方法操作更加简单，并且提供更多的功能。但与正则表达式解析方法比较，可能唯一不足的就是在浏览器兼容性方面稍差。
不过 URL() 有个问题是需要注意的，就是 URL 字符串的格式不是正确的格式的时候会报错。例如前文提到的这种 URL 地址：
arduino
new URL('//https://juejin.cn/editor/drafts/')
其实，只要稍微调整一下，就可以将两种方法结合起来，在支持 URL() 构造函数的浏览器中使用构造函数，不知支持的时候则使用正则表达式解析：
js
/**
* 分析 url 地址，将解析的结果作为对象返回，返回属性有：
* 1. href - 完整 URL 地址
* 2. orgin - 网站首页地址
* 3. protocol - 协议
* 4. username - 用户名
* 5. password - 密码
* 6. host - 域名地址
* 7. hostname - 域名名称
* 8. port - 端口号
* 9. path - 路径
* 10. pathname - 路径名
* 11. search - 查询参数
* 12. hash - 哈希值
* ====================================================
* @param {String} url - URL地址
* @returns {Object}
*/
function parseURL (url) {
var pattern = /^(([^:/?#]+):)?//(([^/?#]+):(.+)@)?([^/?#:]*)(:(d+))?([^?#]*)(?([^#]*))?(#(.*))?/
var matches = url.match(pattern)
try {
// 支持 URL() 构造函数，且可以正确转义 URL 字符串
return new URL(url)
} catch(e) {
// 否则使用正则表达式解析
return {
href: url,
origin: matches[1] + matches[2],
protocol: matches[2] || '',
username: matches[4] || '',
password: matches[5] || '',
host: matches[6] + (matches[7] ? matches[7] : ''),
hostname: matches[6],
port: matches[8] || '',
path: matches[9] + matches[10],
pathname: matches[11],
search: matches[10] || '',
hash: matches[13] || ''
}
}
}
评论