問題有關URL驗證與正則表達式

我有以下的正則表達式，做了偉大的工作匹配的網址：問題有關URL驗證與正則表達式

((https?|ftp|gopher|telnet|file|notes|ms-help):((//)|(\\\\))+[\w\d:#@%/;$()~_?\+-=\\\.&]*)`

但是，它並沒有前綴，即處理的URL。 stackoverflow.com或www.google.com不匹配。任何人都知道我可以修改這個正則表達式，不在乎是否有前綴？

編輯：我的問題太模糊了嗎？它是否需要更多細節？

(((https?|ftp|gopher|telnet|file|notes|ms-help):((//)|(\\\\)))?[\w\d:#@%/;$()~_?\+-=\\\.&]*)

我加了（）？圍繞像這樣的協議建議使用Vinko Vrsalovic，但現在正則表達式幾乎可以匹配任何字符串，只要它具有有效的URL字符即可。

我的這個實現是我有一個數據庫，我管理的內容，它有一個字段，要麼有純文本，電話號碼，URL或電子郵件地址。我正在尋找一種簡單的方法來驗證輸入，所以我可以正確格式化，即。爲網址/電子郵件創建定位標記，以及格式化電話號碼的方式，我如何在整個網站中格式化其他數字。有什麼建議麼？

來源

2008-10-22 Anders

我必須補充，我並不是建議你真的這樣做，只是顯示你，這正則表達式是沒有這部分幾乎無用 – 2008-10-22 16:39:08

什麼有效的均值在這種情況下？你必須猜測它是哪一個？ – 2008-10-22 16:40:41

-2

只需使用：

.*

即匹配一切。

你想匹配的東西只是主機名，而不是URL（技術上）。

沒有可用於確定主機名的結構。也許你可以尋找的東西，在「.COM」結束，但隨後你會錯過任何.co.uk，淨，.org等

編輯：

換句話說：如果您刪除要求URL類似的東西以一個協議開始，你不會有任何事情需要匹配。根據您所使用的正則表達式是什麼在：

對待一切，一個URL
保持要求的協議
哈克檢查的主機名普通的結局（如：.com或.net .ORG ）並接受你會錯過一些。

來源

2008-10-22 16:23:54

你是說，以取代方括號中的內容。*？ – Anders 2008-10-22 16:27:19

您的正則表達式匹配所有以這些協議之一開始的所有內容，包括很多不可能存在的URL，如果放鬆協議部分（使其成爲可選參數？），那麼您只需匹配幾乎一切，包括空字符串。

換句話說，它在匹配網址方面做得很好，因爲它幾乎匹配以http://,https://,ftp://等開頭的任何內容。那麼它也會匹配ftp：\\和ms-help：//，但我們忽略它。

這可能是有道理的，這取決於實際使用情況，因爲白名單有效域的其他regexp方法變得不夠快速維護，但使協議部分可選無效。

一個例子（與地方放鬆協議部分）：

>>> r = re.compile('(((https?|ftp|gopher|telnet|file|notes|ms-help):((//)|(\\\\))+)?[\w\d:#@%/;$()~_?\+-=\\\.&]*)') 
>>> r.search('oompaloompa_is_not_an_ur%&%%l').groups()[0] 
'oompaloompa_is_not_an_ur%&%%l' #Matches! 
>>> r.search('oompaloompa_isdfjakojfsdi.sdnioknfsdjknfsdjk.fsdnjkfnsdjknfsdjk').groups()[0] 
'oompaloompa_isdfjakojfsdi.sdnioknfsdjknfsdjk.fsdnjkfnsdjknfsdjk' #Matches! 
>>>

鑑於你的編輯，我建議你要麼讓用戶選擇是什麼，他加入，增加了ENUM列，或者創建一個更簡單的正則表達式是至少要檢查一個點，除了有效的字符和一些常用的域。

第三種選擇，這將是很慢只有或使用時，URL驗證真的真的很重要實際上訪問的URL，就可以做一個HEAD請求，如果你沒有發現一臺主機的錯誤你知道這是無效的。對於電子郵件，您可以嘗試查看MX主機是否存在並打開端口25。如果兩者均失敗，則將爲純文本。（我也不建議這樣）

來源

2008-10-22 16:28:26

您可以圍繞在括號中的前綴部分，匹配0或1次出現

所以整個正則表達式將成爲

問題在於它會匹配或多或少的任何單詞。例如「測試」也是一個匹配。

你打算使用那個正則表達式？你想驗證一個主機名或者你是否想要在一個段落中找到主機名？

來源

2008-10-22 16:39:56 marto

下面的正則表達式來自精彩的Mastering Regular Expressions書。如果您不熟悉free spacing/comments mode，我建議您熟悉它。

\b 
# Match the leading part (proto://hostname, or just hostname) 
(
    # ftp://, http://, or https:// leading part 
    (ftp|https?)://[-\w]+(\.\w[-\w]*)+ 
    | 
    # or, try to find a hostname with our more specific sub-expression 
    (?i: [a-z0-9] (?:[-a-z0-9]*[a-z0-9])? \.)+ # sub domains 
    # Now ending .com, etc. For these, require lowercase 
    (?-i: com\b 
     | edu\b 
     | biz\b 
     | gov\b 
     | in(?:t|fo)\b # .int or .info 
     | mil\b 
     | net\b 
     | org\b 
     | name\b 
     | coop\b 
     | aero\b 
     | museum\b 
     | [a-z][a-z]\b # two-letter country codes 
    ) 
) 

# Allow an optional port number 
(: \d+)? 

# The rest of the URL is optional, and begins with/. . . 
(
    /
    # The rest are heuristics for what seems to work well 
    [^.!,?;"'<>()\[\]{}\s\x7F-\xFF]* 
    (?: 
     [.!,?]+ [^.!,?;"'<>()\[\]{}\s\x7F-\xFF]+ 
    )* 
)?

爲了解釋這個簡單的正則表達式（一個完整的解釋拿到書） - 網址有一個或多個點分隔的部分與最終位的任何一個有限的列表，或兩個字母的國家代碼結尾（.UK。 fr ...）。此外，這些零件可能有任何字母數字字符或連字符「 - 」，但連字符可能不是零件的第一個或最後一個字符。然後可能會有一個端口號，然後是剩下的端口號。

從網站摘錄這個，去http://regex.info/listing.cgi?ed=3&p=207從第3版的207頁開始。

來源

2008-10-22 17:05:26

如果你讀了URL規範（http://www.isi.edu/in-notes/rfc1738.txt）第5條，你會看到一個URL的語法是至少有：

scheme ':' schemepart

其中方案1個或多個字符，schemepart爲0或更多的字符。因此，如果您沒有冒號，則沒有URL。

這就是說，/用戶/不關心他們是否給了你一個url，對他們來說，它看起來像一個。所以這裏是我所做的：

在驗證之前，如果沒有冒號，請預先安裝http：//，然後通過任何你想要的驗證器運行它。這將任何合法的主機名（其中可能不包括域名信息，畢竟）到的東西，看起來像一個URL。

frob -> http://frob

（幾乎）主機部分的唯一規則是它不能以數字開頭，如果它不包含點。現在，有應該具體方案，其中沒有因此給出的正則表達式的遠完成進行具體驗證。但是，規範遵從性可能不是您想要「驗證」的內容。因此在主機部分的DNS查詢可能是有用的，但除非你使用相同的解析器在相同的上下文爲您的用戶，它是不會在所有情況下工作。

來源

2008-10-22 18:00:49 caskey

問題有關URL驗證與正則表達式

回答

相關問題