Question

如何在没有方案的情况下编写验证URL的RE：

通过：

www.example.com
example.com

故障：

http://www.example.com

Answer 1

^[A-Za-z0-9][A-Za-z0-9.-]+(:\d+)?(/.*)?$

字符串必须以ASCII字母或数字
ASCII字母，数字，点和短划线（不允许斜线或冒号）
可选：允许端口（":8080"）
可选：斜杠之后的任何内容都可以跟随（因为您说“URL”）
然后是字符串的结尾

思考：

不允许换行
无效或理智检查
不支持“国际化域名”（IDN）
如果您愿意，请取消“可选：”部分，但一定要包含最终的“$”

如果您的正则表达式支持它，您可以将上述内容缩短为：

^[A-Za-z\d][\w.-]+(:\d+)?(/.*)?$

请注意，\w 可能在某些正则表达式中包含Unicode字符。此外，\w包含下划线，在主机名中无效。像第一个这样的明确方法会更安全。

Answer 2

如果您尝试为某些实际代码执行此操作，请找到您的语言的URL解析库并使用它。如果您不想使用它，请查看内部以了解它的作用。

你称之为“资源”的东西被称为“方案”。它在RFC 1738中有记录，其中说：

[2.1] ...通常，URL编写如下：

   <scheme>:<scheme-specific-part>

URL包含所使用的方案的名称（＆lt; scheme＆gt;）通过冒号然后是一个字符串（＆lt; scheme-specific-part＆gt;）解释取决于计划。

后来在BNF，

scheme = 1 * [lowalpha |数字| “+”| “ - ”| “” ]

因此，如果有方案，您可以将其与：

匹配

/^[a-z0-9+.-]+:/i

如果匹配，则您拥有URL语法认为的方案，并且您的验证失败。如果您有包含端口号的字符串，例如www.example.com:80，那么事情会变得混乱。在实践中，我没有处理-或.的方案，所以你可能会添加一个真实世界的软糖来解决这个问题，直到你决定使用一个合适的库。

除此之外的任何事情，比如检查现有的和可到达的域等等，最好留给已经全部用完的图书馆。

Answer 3

我的猜测是

/^[\p{Alnum}-]+(\.[\p{Alnum}-]+)+$/

更原始的RE语法

/^[0-9A-Za-z-]+(\.[0-9A-Za-z-]+)+$/

或者甚至更原始：

/^[0-9A-Za-z-][0-9A-Za-z-]*\.[0-9A-Za-z-][0-9A-Za-z-]*(\.[0-9A-Za-z-][0-9A-Za-z-]*)*$/

Answer 4

网址语法为quite complex，您需要将其缩小一点。您可以匹配anything.ext，如果这足够的话：

^[a-zA-Z0-9.]+\.[a-zA-Z]{2,4}$

Answer 5

谢谢大家，我想我有Python和PHP解决方案。他们在这里：

Python解决方案：

import re

url = 'http://www.foo.com'
p = re.compile(r'^(?!http(s)?://$)[A-Za-z][A-Za-z0-9.-]+(:\d+)?(/.*)?$')
m = p.search(url)
print m     # m returns _sre.SRE_Match if url is valid, otherwise None

PHP解决方案：

$url = 'http://www.foo.com';
preg_match('/^(?!http(s)?:\/\/$)[A-Za-z][A-Za-z0-9\.\-]+(:\d+)?(\/\.*)?$/', $url);

如何在没有方案的情况下为URL编写正则表达式？

5 个答案: