用于从Content-Disposition标头中提取文件名的javascript正则表达式

Question

Content-disposition header包含可以轻松提取的文件名，但有时它包含双引号，有时没有引号，也可能还有其他一些变体。有人可以编写一个适用于所有情况的正则表达式。

Content-Disposition: attachment; filename=content.txt

以下是一些可能的目标字符串：

attachment; filename=content.txt
attachment; filename*=UTF-8''filename.txt
attachment; filename="EURO rates"; filename*=utf-8''%e2%82%ac%20rates
attachment; filename="omáèka.jpg"
and some other combinations might also be there

Answer 1

你可以尝试这种精神：

filename[^;=\n]*=((['"]).*?\2|[^;\n]*)

filename      # match filename, followed by
[^;=\n]*      # anything but a ;, a = or a newline
=
(             # first capturing group
    (['"])    # either single or double quote, put it in capturing group 2
    .*?       # anything up until the first...
    \2        # matching quote (single if we found single, double if we find double)
|             # OR
    [^;\n]*   # anything but a ; or a newline
)

您的文件名位于第一个捕获组：http://regex101.com/r/hJ7tS6

Answer 2

/filename[^;=\n]*=(?:(\\?['"])(.*?)\1|(?:[^\s]+'.*?')?([^;\n]*))/i

https://regex101.com/r/hJ7tS6/51

修改：您也可以使用此解析器： https://github.com/Rob--W/open-in-browser/blob/master/extension/content-disposition.js

Answer 3

稍作修改以匹配我的用例（将所有引号和UTF标记剥离）

filename\*?=['"]?(?:UTF-\d['"]*)?([^;\r\n"']*)['"]?;?

https://regex101.com/r/UhCzyI/3

Answer 4

免责声明：以下答案仅适用于 PCRE （例如Python / PHP），如果您必须使用javascript，请使用Robin的答案。

此修改版的Robin正则表达式删除了引号：

filename[^;\n=]*=(['\"])*(.*)(?(1)\1|)

filename        # match filename, followed by
[^;=\n]*        # anything but a ;, a = or a newline
=
(['"])*         # either single or double quote, put it in capturing group 1
(?:utf-8\'\')?  # removes the utf-8 part from the match
(.*)            # second capturing group, will contain the filename
(?(1)\1|)       # if clause: if first capturing group is not empty,
                # match it again (the quotes), else match nothing

https://regex101.com/r/hJ7tS6/28

文件名位于第二个捕获组中。

Answer 5

这是我的正则表达式。它适用于Javascript。

filename\*?=((['"])[\s\S]*?\2|[^;\n]*)

我在我的项目中使用了这个。

Answer 6

filename[^;\n]*=(UTF-\d['"]*)?((['"]).*?[.]$\2|[^;\n]*)?

我已经升级了Robin的解决方案，可以做另外两件事：

1. 捕获文件名，即使它已转义了双引号。

2. 将UTF-8''部分捕获为一个单独的组。

这是ECMAScript解决方案。

https://regex101.com/r/7Csdp4/3/