使用RFC8141匹配URN的正则表达式

Question

我正在努力寻找一个可以与rfc8141中所述的URN相匹配的正则表达式。 我已经尝试过这个：

\A(?i:urn:(?!urn:)(?<nid>[a-z0-9][a-z0-9-]{1,31}):(?<nss>(?:[a-z0-9()+,-.:=@;$_!*']|%[0-9a-f]{2})+))\z

但这仅与URN的第一部分匹配，而没有组成部分。

例如，假设我们具有相应的URN：urn:example:a123,0%7C00~&z456/789?+abc?=xyz#12/3我们应该匹配以下组：

• NID-示例
• NSS-a123,0％7C00〜＆z456 / 789（从最后一个'：'tl​​l匹配'？+'或'？='或'＃'
• r-component-abc（从'？+'直到'？='或'＃''）
• f组件-12/3（从“＃”到结尾）

Answer 1

我还没有阅读所有规范，因此可能还有其他规则需要实现，但这应该使您可以选择组件：

\A(?i:urn:(?!urn:)(?<nid>[a-z0-9][a-z0-9-]{1,31}):(?<nss>(?:[-a-z0-9()+,.:=@;$_!*'&~\/]|%[0-9a-f]{2})+)(?:\?\+(?<rcomponent>.*?))?(?:\?=(?<qcomponent>.*?))?(?:#(?<fcomponent>.*?))?)\z

说明：

• (?<nss>(?:[-a-z0-9()+,.:=@;$_!*'&~\/]|%[0-9a-f]{2})+)：-已移到列表的开头以允许的字符形式考虑，否则表示“范围从,到. ”。字符&，~和/（必须用“ \”转义）也已添加到列表中，否则将与您的示例不匹配。
• 可选组件：(?:\?\+(?<rcomponent>.*?))?：位于可选的非捕获组(?:)?中，以防止捕获标识符（?+，?=和#部分） 。字符?和+必须以“ \”进行转义。将捕获任何内容（.，但以惰性模式（*?），否则找到的第一个组件将捕获所有内容，直到字符串结尾。

请参见Regex101

中的工作示例

希望有帮助

Answer 2

如果要使用统一资源名称 (URN) 8141 验证字符串：rfc8141 可以参考 URN8141Test.java 和 URN8141.java

它已经在我们的团队中使用了几年。