Co to jest wyrażenie regularne, które dopasuje prawidłową nazwę domeny bez subdomeny?

Muszę zweryfikować nazwę domeny:

google.com

stackoverflow.com

A więc domena w najczystszej postaci - nawet nie subdomena, jak www.

1. Znaki powinny być tylko az | AZ | 0-9 i kropka (.) I myślnik (-)
2. Część nazwy domeny nie powinna zaczynać się ani kończyć myślnikiem (-) (np. -Google-.com)
3. Część nazwy domeny powinna mieć od 1 do 63 znaków
4. Rozszerzenie (TLD) może być na razie dowolne w ramach reguł nr 1, mogę je później zweryfikować na liście, jednak powinno to mieć 1 lub więcej znaków

Edycja: TLD ma najwyraźniej 2-6 znaków w obecnej postaci

Nie. 4 poprawiono: TLD powinno być właściwie oznaczone jako „subdomena”, ponieważ powinno zawierać takie rzeczy, jak .co.uk - wyobrażam sobie, że jedyna możliwa walidacja (poza sprawdzeniem na liście) to „po pierwszej kropce powinna znajdować się jedna lub więcej znaków zgodnie z zasadami nr 1

Bardzo dziękuję, uwierz mi, że próbowałem!

Cóż, jest to dość proste, trochę bardziej podstępne, niż wygląda (patrz komentarze), biorąc pod uwagę twoje specyficzne wymagania:

/^[a-zA-Z0-9][a-zA-Z0-9-]{1,61}[a-zA-Z0-9]\.[a-zA-Z]{2,}$/

Pamiętaj jednak, że spowoduje to odrzucenie wielu prawidłowych domen.

Wiem, że jest to trochę stary post, ale we wszystkich wyrażeniach regularnych brakuje jednego bardzo ważnego elementu: obsługi nazw domen IDN.

Nazwy domen IDN zaczynają się od xn--. Umożliwiają rozszerzenie znaków UTF-8 w nazwach domen. Na przykład, czy wiesz, że „♡ .com” jest prawidłową nazwą domeny? Tak, „love heart dot com”! Aby zweryfikować nazwę domeny, musisz pozwolić http://xn--c6h.com/ przejść weryfikację.

Uwaga, aby użyć tego wyrażenia regularnego, musisz przekonwertować domenę na małe litery, a także użyć biblioteki IDN, aby zapewnić kodowanie nazw domen do ACE (znanego również jako „Kodowanie zgodne z ASCII”). Jedną dobrą biblioteką jest GNU-Libidn.

idn (1) to interfejs wiersza poleceń do międzynarodowej biblioteki nazw domen. Poniższy przykład konwertuje nazwę hosta w UTF-8 na kodowanie ACE. Powstały adres URL https: //nic.xn--flw351e/ może być następnie użyty jako zakodowany w ACE odpowiednik https: // nic. 谷 歌 / .

  $ idn --quiet -a nic.谷歌
  nic.xn--flw351e

To magiczne wyrażenie regularne powinno obejmować większość dziedzin (chociaż jestem pewien, że istnieje wiele ważnych przypadków skrajnych, które przegapiłem):

^((?!-))(xn--)?[a-z0-9][a-z0-9-_]{0,61}[a-z0-9]{0,1}\.(xn--)?([a-z0-9\-]{1,61}|[a-z0-9-]{1,30}\.[a-z]{2,})$

Wybierając wyrażenie regularne do weryfikacji domeny, powinieneś sprawdzić, czy domena jest zgodna z poniższym:

1. xn--stackoverflow.com
2. stackoverflow.xn - com
3. stackoverflow.co.uk

Jeśli te trzy domeny nie przejdą pomyślnie, Twoje wyrażenie regularne może nie zezwalać na legalne domeny!

Sprawdź The stronę internationalized domain name wsparcie od Oracle International Language Environment Przewodnik po więcej informacji.

Możesz wypróbować to wyrażenie regularne tutaj: http://www.regexr.com/3abjr

ICANN przechowuje listę delegowanych plików TLD, na której można zobaczyć kilka przykładów domen IDN.

Edytować:

 ^(((?!-))(xn--|_{1,1})?[a-z0-9-]{0,61}[a-z0-9]{1,1}\.)*(xn--)?([a-z0-9][a-z0-9\-]{0,60}|[a-z0-9-]{1,30}\.[a-z]{2,})$

To wyrażenie regularne zatrzyma domeny ze znakiem „-” na końcu nazwy hosta jako oznaczone jako prawidłowe. Dodatkowo umożliwia nieograniczoną liczbę subdomen.

Moje wyrażenie regularne jest następne:

^[a-zA-Z0-9][a-zA-Z0-9-_]{0,61}[a-zA-Z0-9]{0,1}\.([a-zA-Z]{1,6}|[a-zA-Z0-9-]{1,30}\.[a-zA-Z]{2,3})$

jest ok dla i.oh1.me i dla wow.british-library.uk

UPD

Oto zaktualizowana reguła

^(([a-zA-Z]{1})|([a-zA-Z]{1}[a-zA-Z]{1})|([a-zA-Z]{1}[0-9]{1})|([0-9]{1}[a-zA-Z]{1})|([a-zA-Z0-9][a-zA-Z0-9-_]{1,61}[a-zA-Z0-9]))\.([a-zA-Z]{2,6}|[a-zA-Z0-9-]{2,30}\.[a-zA-Z]{2,3})$

https://www.debuggex.com/r/y4Xe_hDVO11bv1DV

teraz sprawdza, -czy _na początku lub na końcu etykiety domeny.

Mój zakład:

^(?:[a-z0-9](?:[a-z0-9-]{0,61}[a-z0-9])?\.)+[a-z0-9][a-z0-9-]{0,61}[a-z0-9]$

Wyjaśnione:

Nazwa domeny jest zbudowana z segmentów. Oto jeden segment (oprócz wersji ostatecznej):

[a-z0-9](?:[a-z0-9-]{0,61}[a-z0-9])?

Może mieć od 1 do 63 znaków, nie zaczyna się ani nie kończy znakiem „-”.

Teraz dodaj „.” do niego i powtórz co najmniej jeden raz:

(?:[a-z0-9](?:[a-z0-9-]{0,61}[a-z0-9])?\.)+

Następnie dołącz ostatni segment, który ma 2-63 znaków:

[a-z0-9][a-z0-9-]{0,61}[a-z0-9]

Przetestuj tutaj: http://regexr.com/3au3g

Tylko drobna korekta - ostatnia część powinna mieć aż 6. Dlatego

^[a-z0-9]+([\-\.]{1}[a-z0-9]+)*\.[a-z]{2,6}$

Najdłuższa TLD to museum(6 znaków) - http://en.wikipedia.org/wiki/List_of_Internet_top-level_domains

Zaakceptowana odpowiedź nie działa dla mnie, spróbuj tego:

^ ((?! -) [A-Za-z0-9 -] {1,63} (? <! -) \.) + [A-Za-z] {2,6} $

Odwiedź tę jednostkę przypadków testowych w celu weryfikacji.

Ta odpowiedź dotyczy nazw domen (w tym usług RRs), a nie nazw hostów (takich jak nazwa hosta poczty e-mail).

^(?=.{1,253}\.?$)(?:(?!-|[^.]+_)[A-Za-z0-9-_]{1,63}(?<!-)(?:\.|$)){2,}$

Jest to w zasadzie odpowiedź mkyong i dodatkowo:

• Maksymalna długość 255 oktetów, w tym prefiksy długości i zerowy pierwiastek.
• Zezwalaj na końcowe „.” dla jawnego katalogu głównego dns.
• Zezwalaj na początkowe „_” dla rekordów RR domeny usługi (błędy: nie wymusza maksymalnie 15 znaków dla etykiet _ ani nie wymaga co najmniej jednej domeny powyżej rekordów RR usługi)
• Pasuje do wszystkich możliwych TLD.
• Nie przechwytuje etykiet subdomen.

Według części

Lookahead, ogranicz maksymalną długość od ^ $ do 253 znaków z opcjonalnym końcowym literałem „.”

(?=.{1,253}\.?$)

Lookahead, następny znak nie jest „-” i żaden „_” nie następuje po żadnym znaku przed następnym „.”. Oznacza to, że należy wymusić, aby pierwszy znak etykiety nie był „-” i tylko pierwszy znak mógł być „_”.

(?!-|[^.]+_)

Od 1 do 63 dozwolonych znaków na etykietę.

[A-Za-z0-9-_]{1,63}

Lookbehind, poprzedni znak nie „-”. Oznacza to, że wymuszaj, aby ostatni znak etykiety nie był „-”.

(?<!-)

Wymuś „.” na końcu każdej etykiety z wyjątkiem ostatniej, gdzie jest opcjonalna.

(?:\.|$)

Przeważnie w połączeniu z góry wymaga to co najmniej dwóch poziomów domeny, co nie jest do końca poprawne, ale zwykle jest rozsądnym założeniem. Zmień z {2,} na +, jeśli chcesz zezwolić na domeny TLD lub niekwalifikowane względne subdomeny (np. Localhost, myrouter, to).

(?:(?!-|[^.]+_)[A-Za-z0-9-_]{1,63}(?<!-)(?:\.|$)){2,}

Testy jednostkowe dla tego wyrażenia.

Dziękujemy za wskazanie właściwego kierunku w rozwiązaniach dotyczących walidacji nazw domen w innych odpowiedziach. Nazwy domen można weryfikować na różne sposoby.

Jeśli potrzebujesz zweryfikować domenę IDN w jej czytelnej dla człowieka formie, \p{L}pomoże Ci regex . Pozwala to dopasować dowolną postać w dowolnym języku.

Zwróć uwagę, że ostatnia część może również zawierać łączniki ! Ponieważ chińskie nazwy zakodowane w punycode mogą zawierać znaki Unicode w tld.

Doszedłem do rozwiązania, które będzie pasowało np .:

• google.com
• masełkowski.pl
• maselkowski.pl
• m.maselkowski.pl
• www.masełkowski.pl.com
• xn--masekowski-d0b.pl
• 中国 互联 网络 信息 中心. 中国
• xn - fiqa61au8b7zsevnm8ak20mc4a87e.xn - fiqs8s

Regex to:

^[0-9\p{L}][0-9\p{L}-\.]{1,61}[0-9\p{L}]\.[0-9\p{L}][\p{L}-]*[0-9\p{L}]+$

Sprawdź i dostrój tutaj

UWAGA: To wyrażenie regularne jest dość liberalne, podobnie jak obecny zestaw znaków dozwolonych nazw domen.

AKTUALIZACJA : Jeszcze bardziej uproszczona, tak a-aA-Z\p{L}samo jak po prostu\p{L}

UWAGA2: Jedynym problemem jest to, że dopasuje domeny z podwójnymi kropkami ... na przykład masełk..owski.pl. Jeśli ktoś wie, jak to naprawić, popraw to.

^[a-z0-9]+([\-\.]{1}[a-z0-9]+)*\.[a-z]{2,7}$

[domena - tylko małe litery i 0-9] [może mieć łącznik] + [TLD - tylko małe litery, musi mieć długość od 2 do 7 liter]
http://rubular.com/ jest doskonały do ​​testowania wyrażeń regularnych!
Edycja: Zaktualizowano maksymalnie 7 znaków TLD dla „.rentals”, jak wskazał Dan Caddigan.

Za mało przedstawiciela, aby skomentować. W odpowiedzi na rozwiązanie paki stwierdziłem, że muszę dostosować trzy elementy:

• Myślnik i podkreślenie zostały przeniesione, ponieważ myślnik jest interpretowany jako zakres (jak w „0-9”)
• Dodano kropkę dla nazw domen z wieloma subdomenami
• Wydłużono potencjalną długość TLD do 13

Przed:

^(([a-zA-Z]{1})|([a-zA-Z]{1}[a-zA-Z]{1})|([a-zA-Z]{1}[0-9]{1})|([0-9]{1}[a-zA-Z]{1})|([a-zA-Z0-9][a-zA-Z0-9-_]{1,61}[a-zA-Z0-9]))\.([a-zA-Z]{2,6}|[a-zA-Z0-9-]{2,30}\.[a-zA-Z]{2,3})$

Po:

^(([a-zA-Z]{1})|([a-zA-Z]{1}[a-zA-Z]{1})|([a-zA-Z]{1}[0-9]{1})|([0-9]{1}[a-zA-Z]{1})|([a-zA-Z0-9][-_\.a-zA-Z0-9]{1,61}[a-zA-Z0-9]))\.([a-zA-Z]{2,13}|[a-zA-Z0-9-]{2,30}\.[a-zA-Z]{2,3})$

Dla nowych domen gTLD

/^((?!-)[\p{L}\p{N}-]+(?<!-)\.)+[\p{L}\p{N}]{2,}$/iu

Jak już wspomniano, nie jest oczywiste, aby mówić o subdomenach w sensie praktycznym (np. .co.ukDomenach). Używamy tego wyrażenia regularnego do sprawdzania poprawności domen występujących w środowisku naturalnym. Obejmuje wszystkie praktyczne przypadki użycia, które znam. Nowe są mile widziane. Zgodnie z naszymi wytycznymi unika się grup nieprzechwytywanych i zachłannych dopasowań.

^(?!.*?_.*?)(?!(?:[\d\w]+?\.)?\-[\w\d\.\-]*?)(?![\w\d]+?\-\.(?:[\d\w\.\-]+?))(?=[\w\d])(?=[\w\d\.\-]*?\.+[\w\d\.\-]*?)(?![\w\d\.\-]{254})(?!(?:\.?[\w\d\-\.]*?[\w\d\-]{64,}\.)+?)[\w\d\.\-]+?(?<![\w\d\-\.]*?\.[\d]+?)(?<=[\w\d\-]{2,})(?<![\w\d\-]{25})$

Dowód, wyjaśnienie i przykłady: https://regex101.com/r/FLA9Bv/9 ( Uwaga: obecnie działa tylko w Chrome, ponieważ wyrażenie regularne używa lookbehinds, które są obsługiwane tylko w ECMA2018 )

Podczas walidacji domen można wybrać jedną z dwóch metod.

Zgodne z podręcznikami dopasowanie FQDN (definicja teoretyczna, rzadko spotykana w praktyce):

• max 253 znaków (zgodnie z RFC-1035 / 3.1 , RFC-2181/11 )
• maksymalnie 63 znaki na etykiecie (zgodnie z RFC-1035 / 3.1 , RFC-2181/11 )
• dozwolone są dowolne znaki (zgodnie z RFC-2181/11 )
• TLD nie mogą być całkowicie numeryczne (zgodnie z RFC-3696/2 )
• FQDN można zapisać w pełnej formie, która obejmuje strefę główną (końcowa kropka)

Praktyczne / konserwatywne dopasowanie FQDN (definicja praktyczna, oczekiwana i wspierana w praktyce):

• według książek dopasowanych z następującymi wyjątkami / dodatkami
• prawidłowe znaki: [a-zA-Z0-9.-]
• etykiety nie mogą zaczynać się ani kończyć łącznikami (zgodnie z RFC-952 i RFC-1123 / 2.1 )
• Minimalna długość TLD to 2 znaki, maksymalna długość to 24 znaki, zgodnie z aktualnie istniejącymi rekordami
• nie dopasowuj kropki końcowej

^[a-zA-Z0-9][a-zA-Z0-9-]{1,61}[a-zA-Z0-9]\.[a-zA-Z]+(\.[a-zA-Z]+)$

Oto pełny kod z przykładem:

<?php
function is_domain($url)
{
    $parse = parse_url($url);
    if (isset($parse['host'])) {
        $domain = $parse['host'];
    } else {
        $domain = $url;
    }

    return preg_match('/^(?!\-)(?:[a-zA-Z\d\-]{0,62}[a-zA-Z\d]\.){1,126}(?!\d+)[a-zA-Z\d]{1,63}$/', $domain);
}

echo is_domain('example.com'); //true
echo is_domain('https://example.com'); //true
echo is_domain('https://.example.com'); //false
echo is_domain('https://localhost'); //false

^((localhost)|((?!-)[A-Za-z0-9-]{1,63}(?<!-)\.)+[A-Za-z]{2,253})$

Dziękuję @mkyong za podstawę mojej odpowiedzi. Zmodyfikowałem go, aby obsługiwał dłuższe dopuszczalne etykiety.

Ponadto „localhost” jest technicznie poprawną nazwą domeny. Zmodyfikuję tę odpowiedź, aby uwzględnić umiędzynarodowione nazwy domen.

/^((([a-zA-Z]{1,2})|([0-9]{1,2})|([a-zA-Z0-9]{1,2})|([a-zA-Z0-9][a-zA-Z0-9-]{1,61}[a-zA-Z0-9]))\.)+[a-zA-Z]{2,6}$/

• ([a-zA-Z]{1,2}) -> za akceptację tylko dwóch znaków.

• ([0-9]{1,2})-> za akceptowanie tylko dwóch liczb

jeśli cokolwiek przekracza więcej niż dwa, ([a-zA-Z0-9][a-zA-Z0-9-]{1,61}[a-zA-Z0-9])ten regeks zajmie się tym.

Jeśli chcemy zrobić dopasowanie, to przynajmniej raz użyjemy +.

^ [a-zA-Z0-9] [- a-zA-Z0-9] + [a-zA-Z0-9]. [az] {2,3} (. [az] {2,3}) ? (. [az] {2,3})? $

Przykłady, które działają:

stack.com
sta-ck.com
sta---ck.com
9sta--ck.com
sta--ck9.com
stack99.com
99stack.com
sta99ck.com

Będzie również działać w przypadku rozszerzeń

.com.uk
.co.in
.uk.edu.in

Przykłady, które nie zadziałają:

-stack.com

będzie działać nawet z najdłuższym rozszerzeniem domeny ".versicherung"

• ^((?!-))(xn--)?[a-z0-9][a-z0-9-_]{0,61}[a-z0-9]{0,}\.?((xn--)?([a-z0-9\-.]{1,61}|[a-z0-9-]{0,30})\.[a-z-1-9]{2,})$

zweryfikuje takie domeny jak яндекс.рфpo zakodowaniu.

https://regex101.com/r/Hf8wFM/1 - piaskownica

Poniższe wyrażenie regularne wyodrębnia sub, root i tld z danej domeny:

^(?<domain>(?<domain_sub>(?:[^\/\"\]:\.\s\|\-][^\/\"\]:\.\s\|]*?\.)*?)(?<domain_root>[^\/\"\]:\s\.\|\n]+\.(?<domain_tld>(?:xn--)?[\w-]{2,7}(?:\.[a-zA-Z-]{2,3})*)))$

Przetestowano dla następujących domen:

* stack.com
* sta-ck.com
* sta---ck.com
* 9sta--ck.com
* sta--ck9.com
* stack99.com
* 99stack.com
* sta99ck.com
* google.com.uk
* google.co.in

* google.com
* masełkowski.pl
* maselkowski.pl
* m.maselkowski.pl
* www.masełkowski.pl.com
* xn--masekowski-d0b.pl
* xn--fiqa61au8b7zsevnm8ak20mc4a87e.xn--fiqs8s

* xn--stackoverflow.com
* stackoverflow.xn--com
* stackoverflow.co.uk

Zrobiłem poniżej, aby po prostu pobrać domenę wraz z protokołem. Przykład: https://www.facebook.com/profile/user/ ftp://182.282.34.337/movies/M

użyj poniższego wzorca Regex: [a-zA-Z0-9] +: //.*? /

otrzymasz wynik: https://www.facebook.com/ ftp://192.282.34.337/