YouTube 网址 - 正则表达式

Posted 2023-04-13

【中文标题】YouTube 网址 - 正则表达式

【英文标题】：YouTube URL - regex

【发布时间】：2011-10-04 21:59:18

【问题描述】：

我的 antisamy 策略文件中有以下配置：

旧 YouTube 对象：

<object  >
<param 
    name="movie" 
    value="http://www.youtube.com/v/Hl-zzrqQoSE
           ?version=3
           &amp;hl=en_US
           &amp;rel=0">
</param>
<param name="allowFullScreen" value="true">
</param>
<param name="allowscriptaccess" value="always">
</param>
<embed src="http://www.youtube.com/v/Hl-zzrqQoSE
            ?version=3
            &amp;hl=en_US
            &amp;rel=0" 
       type="application/x-shockwave-flash" 
        
        
       allowscriptaccess="always" 
       allowfullscreen="true">
 </embed>
 </object>

AntiSamy 配置：

 <common-regexps>
     <regexp name="YouTubeURL" value="(\s)*(http(s?)://)www.youtube.com/v/[\pL\pN]+[\pL\pN\pZs\.\#@\$%\+&amp;;:\-_~,\?=/!]*(\s)*"/>
 ....

<!-- Tags related to YouTube -->
<tag name="object" action="validate">
<attribute name="height"/>
<attribute name="width"/>
<attribute name="type">
    <literal-list>
        <literal value="application/x-shockwave-flash"/>
    </literal-list>
</attribute>
<attribute name="data">
    <regexp-list>
        <regexp name="YouTubeURL"/>
    </regexp-list>
</attribute>
</tag>
<tag name="embed" action="validate">
<attribute name="height"/>
<attribute name="width"/>
<attribute name="type">
    <literal-list>
        <literal value="application/x-shockwave-flash"/>
    </literal-list>
</attribute>
<attribute name="allowfullscreen">
    <regexp-list>
        <regexp name="boolean"/>
    </regexp-list>
</attribute>
<attribute name="allowscriptaccess">
    <literal-list>
        <literal value="always"/>
    </literal-list>
</attribute>
<attribute name="src">
    <regexp-list>
        <regexp name="YouTubeURL"/>
    </regexp-list>
</attribute>
<attribute name="movie">
    <regexp-list>
        <regexp name="YouTubeURL"/>
    </regexp-list>
</attribute>
</tag>

目前我在 iframe 上的配置：

    <!-- Frame & related tags -->

    <tag name="iframe" action="remove"/>
    <tag name="frameset" action="remove"/>
    <tag name="frame" action="remove"/>

新的 YouTube iframe：

<iframe 
     
     
    <!--   src="https://www.youtube-nocookie.com/embed/Hl-zzrqQoSE"  -->
    src="https://www.youtube.com/embed/Hl-zzrqQoSE" 
    frameborder="0" 
    allowfullscreen>
</iframe>

我认为 iframe 的代码应该是这样的：

<tag name="iframe" action="validate">
        <attribute name="height"/>
        <attribute name="width"/>
        <attribute name="frameborder"/>
        <attribute name="src">
            <regexp-list>
                <regexp name="YouTubeURL"/>
            </regexp-list>
        </attribute>

        <attribute name="allowfullscreen">
            <regexp-list>
                <regexp name="boolean"/>
            </regexp-list>
        </attribute>
</tag>

如何更改正则表达式，使其接受新旧链接，例如：

    https://www.youtube-nocookie.com/embed/Hl-zzrqQoSE
    https://www.youtube.com/embed/Hl-zzrqQoSE
    https://www.youtube.com/v/Hl-zzrqQoSE
    http://www.youtube-nocookie.com/v/Hl-zzrqQoSE?version=3&hl=en_US&rel=0
    http://www.youtube.com/v/Hl-zzrqQoSE?version=3&hl=en_US&rel=0"

【参考方案1】：

\s*(https?://)www.youtube(-nocookie)?.com/(?:v|embed)/[\pL\pN]+[\pL\pN\pZs.#@$%+&;:_~,?=!/-]*\s*

我冒昧地删除了不必要的捕获组、转义和字符。

虽然我个人会使用类似的东西：

\s*(https?://www.youtube(?:-nocookie)?.com/(?:v|embed)/([a-zA-Z0-9-]+).*)

这会将整个 youtube URL 放在匹配组 0 中，将视频 ID 放在匹配组 1 中。 此外，当 youtube 的 URL 不包含 unicode 字符时，使用 unicode 属性也没有多大意义。

演示：http://rubular.com/r/jv4zO9ys2L