Question

所以，我一直在研究这个域名正则表达式。到目前为止，它似乎通过SLD和TLD（使用可选的ccTLD）获取域名，但是TLD列表存在重复。这可以进一步重构吗？

params[:domain_name].downcase.strip.match(/^[a-z0-9\-]{2,63}
\.((a[cdefgilmnoqrstuwxz]|aero|arpa)|(b[abdefghijmnorstvwyz]|biz)|
(c[acdfghiklmnorsuvxyz]|cat|com|coop)|d[ejkmoz]|(e[ceghrstu]|edu)|f[ijkmor]|
(g[abdefghilmnpqrstuwy]|gov)|h[kmnrtu]|(i[delmnoqrst]|info|int)|
(j[emop]|jobs)|k[eghimnprwyz]|l[abcikrstuvy]|
(m[acdghklmnopqrstuvwxyz]|me|mil|mobi|museum)|(n[acefgilopruz]|name|net)|(om|org)|
(p[aefghklmnrstwy]|pro)|qa|r[eouw]|s[abcdeghijklmnortvyz]|
(t[cdfghjklmnoprtvwz]|travel)|u[agkmsyz]|v[aceginu]|w[fs]|y[etu]|z[amw])
(\.((a[cdefgilmnoqrstuwxz]|aero|arpa)|(b[abdefghijmnorstvwyz]|biz)|
(c[acdfghiklmnorsuvxyz]|cat|com|coop)|d[ejkmoz]|(e[ceghrstu]|edu)|f[ijkmor]|
(g[abdefghilmnpqrstuwy]|gov)|h[kmnrtu]|(i[delmnoqrst]|info|int)|
(j[emop]|jobs)|k[eghimnprwyz]|l[abcikrstuvy]|
m[acdghklmnopqrstuvwxyz]|mil|mobi|museum)|
(n[acefgilopruz]|name|net)|(om|org)|
(p[aefghklmnrstwy]|pro)|qa|r[eouw]|s[abcdeghijklmnortvyz]|
(t[cdfghjklmnoprtvwz]|travel)|u[agkmsyz]|v[aceginu]|w[fs]|y[etu]|z[amw]))?$/)

Answer 1

请，请不要使用这样的固定且非常复杂的正则表达式来匹配已知的域名。

TLD列表不静态，特别是ICANN正在考虑新gTLD的简化流程。甚至ccTLD列表有时也会发生变化！

查看http://publicsuffix.org/中提供的列表，并编写一些能够下载并解析该列表的代码。

Answer 2

下载：http://data.iana.org/TLD/tlds-alpha-by-domain.txt

示例用法（在Python中）：

import re
def validate(domain):
    valid_domains = [ line.upper().replace('.', '\.').strip() 
                      for line in open('domains.txt') 
                      if line[0] != '#' ]
    r = re.compile(r'^[A-Z0-9\-]{2,63}\.(%s)$' % ('|'.join(valid_domains),))
    return True if r.match(domain.upper()) else False


print validate('stackoverflow.com')
print validate('omnom.nom')

您可以将域列表构建从validate函数中分解出来以帮助提高性能。

Answer 3

我可能对域名知之甚少。但为什么像“foo.info.com”这样的域名匹配？在这种特殊情况下，域名似乎是“info.com”。

您可能希望确保名称以[a-z \ d]开头。我认为您不能注册以破折号开头的域名吗？

Answer 4

正如你所写的那样，TLD部分是等效的但比(\.<tldpart>){1,2}长，但我确信它可以修复以便重复...

编辑：是的，不，这是可能的，但基本上是一个非常慢的暴力列表来处理我认为的重复。更简单，更快速地将可能的TLD和SLD +国家/地区对放在一个大的哈希映射中，并检查子串。

Answer 5

您可以将正则表达式构建为字符串，然后执行Regexp.new（string）。

Answer 6

我建议从RFC 1035中规定的规则开始，然后向后工作 - 但前提是你真的真的需要从头开始。领域正则表达式模式必须（可以说仅次于电子邮件地址正则表达式模式）是最常见的事情。我会查看网站regexlib.com并浏览其他人做过的事情。

我可以改进有效域名的正则表达式检查吗？

6 个答案: