นิพจน์ทั่วไปที่จะจับคู่ชื่อโดเมนที่ถูกต้องโดยไม่มีโดเมนย่อยคืออะไร

ฉันต้องการตรวจสอบชื่อโดเมน:

google.com

stackoverflow.com

ดังนั้นโดเมนในรูปแบบที่ดิบที่สุดไม่ใช่แม้แต่โดเมนย่อยเช่น www

1. อักขระควรเป็นaz | AZ | 0-9และระยะเวลา (.) และขีด (-)
2. ส่วนของชื่อโดเมนไม่ควรขึ้นต้นหรือลงท้ายด้วยเครื่องหมายขีด (-) (เช่น -google-.com)
3. ส่วนของชื่อโดเมนควรมีความยาวระหว่าง 1 ถึง 63 อักขระ
4. ส่วนขยาย (TLD) อาจเป็นอะไรก็ได้ภายใต้กฎ # 1 ในตอนนี้ฉันสามารถตรวจสอบความถูกต้องกับรายการในภายหลังได้ แต่ควรมี 1 อักขระขึ้นไป

แก้ไข: TLD เห็นได้ชัดว่าเป็น 2-6 ตัวอักษรตามที่ระบุ

ไม่ แก้ไข 4 ครั้ง: TLD ควรมีป้ายกำกับว่า "โดเมนย่อย" ตามที่ควรมีเช่น. co.uk - ฉันคิดว่าการตรวจสอบความถูกต้องเดียวที่เป็นไปได้ (นอกเหนือจากการตรวจสอบกับรายการ) จะเป็น "หลังจากจุดแรกควรมีอย่างใดอย่างหนึ่งหรือ อักขระเพิ่มเติมภายใต้กฎ # 1

ขอบคุณมากเชื่อฉันฉันได้ลอง!

มันค่อนข้างตรงไปตรงมาแอบแฝงกว่าที่คิดเล็กน้อย (ดูความคิดเห็น) ตามข้อกำหนดเฉพาะของคุณ:

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

แต่โปรดทราบว่านี่จะปฏิเสธโดเมนที่ถูกต้องจำนวนมาก

ฉันรู้ว่านี่เป็นบทความเก่า แต่นิพจน์ทั่วไปทั้งหมดที่นี่ขาดองค์ประกอบที่สำคัญอย่างหนึ่งนั่นคือการรองรับชื่อโดเมน IDN

ชื่อโดเมน IDNขึ้นต้นด้วย xn--. เปิดใช้งานอักขระ UTF-8 แบบขยายในชื่อโดเมน ตัวอย่างเช่นคุณทราบหรือไม่ว่า "♡ .com" เป็นชื่อโดเมนที่ถูกต้อง เย้ "ใจรักดอทคอม"! ในการตรวจสอบชื่อโดเมนคุณต้องปล่อยให้http://xn--c6h.com/ผ่านการตรวจสอบความถูกต้อง

หมายเหตุในการใช้ regex นี้คุณจะต้องแปลงโดเมนเป็นตัวพิมพ์เล็กและใช้ไลบรารี IDN เพื่อให้แน่ใจว่าคุณได้เข้ารหัสชื่อโดเมนเป็น ACE (หรือเรียกว่า "ASCII Compatible Encoding") ห้องสมุดที่ดีอย่างหนึ่งคือ GNU-Libidn

idn (1) คืออินเทอร์เฟซบรรทัดคำสั่งไปยังไลบรารีชื่อโดเมนสากล ตัวอย่างต่อไปนี้แปลงชื่อโฮสต์ใน UTF-8 เป็นการเข้ารหัส ACE URL ของhttps: //nic.xn--flw351e/แล้วสามารถใช้เป็น ACE เข้ารหัสเทียบเท่าhttps: //. NIC谷歌 /

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

การแสดงออกปกติของเวทมนตร์นี้ควรครอบคลุมโดเมนส่วนใหญ่ (แม้ว่าฉันแน่ใจว่ามีขอบที่ถูกต้องหลายกรณีที่ฉันพลาดไป):

^((?!-))(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,})$

เมื่อเลือก regex การตรวจสอบโดเมนคุณควรดูว่าโดเมนตรงกับสิ่งต่อไปนี้หรือไม่:

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

หากโดเมนทั้งสามนี้ไม่ผ่านการแสดงออกปกติของคุณอาจไม่อนุญาตให้ใช้โดเมนที่ถูกต้อง!

ดูหน้าการสนับสนุนชื่อโดเมนสากลจากคู่มือสภาพแวดล้อมภาษาสากลของ Oracleสำหรับข้อมูลเพิ่มเติม

อย่าลังเลที่จะลอง regex ที่นี่: http://www.regexr.com/3abjr

ICANNเก็บรายการ tlds ที่ได้รับมอบหมายซึ่งสามารถใช้เพื่อดูตัวอย่างโดเมน IDN

แก้ไข:

 ^(((?!-))(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,})$

นิพจน์ทั่วไปนี้จะหยุดโดเมนที่มี '-' ต่อท้ายชื่อโฮสต์ว่าถูกทำเครื่องหมายว่าถูกต้อง นอกจากนี้ยังอนุญาตให้มีโดเมนย่อยได้ไม่ จำกัด

RegEx ของฉันอยู่ถัดไป:

^[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})$

ใช้ได้สำหรับi.oh1.meและสำหรับwow.british-library.uk

UPD

นี่คือกฎที่อัปเดต

^(([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

ตอนนี้จะตรวจสอบ-หรือ_ในป้ายเริ่มต้นหรือจุดสิ้นสุดของโดเมน

เดิมพันของฉัน:

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

อธิบาย:

ชื่อโดเมนสร้างจากเซ็กเมนต์ นี่คือหนึ่งส่วน (ยกเว้นขั้นสุดท้าย):

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

สามารถมีได้ 1-63 อักขระไม่ขึ้นต้นหรือลงท้ายด้วย "-"

ต่อท้าย "." ทำซ้ำอย่างน้อยหนึ่งครั้ง:

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

จากนั้นแนบส่วนสุดท้ายซึ่งมีความยาว 2-63 อักขระ:

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

ทดสอบได้ที่นี่: http://regexr.com/3au3g

เพียงการแก้ไขเล็กน้อย - ส่วนสุดท้ายควรเป็น 6 ดังนั้น

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

TLD ที่ยาวที่สุดคือmuseum(6 ตัวอักษร) - http://en.wikipedia.org/wiki/List_of_Internet_top-level_domains

คำตอบที่ยอมรับไม่ได้ผลสำหรับฉันลองสิ่งนี้:

^ ((? -) [A-Za-Z0-9 -] {1,63} (<? -.) \) + [A-Za-z] {2,6} $

เยี่ยมชมกรณีทดสอบหน่วยนี้เพื่อตรวจสอบความถูกต้อง

คำตอบนี้ใช้สำหรับชื่อโดเมน (รวมถึง RR ของบริการ) ไม่ใช่ชื่อโฮสต์ (เช่นชื่อโฮสต์อีเมล)

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

มันเป็นคำตอบของ mkyongโดยทั่วไปและนอกจากนี้:

• ความยาวสูงสุด 255 อ็อกเต็ตรวมถึงคำนำหน้าความยาวและรูทว่าง
• อนุญาตให้ต่อท้าย "." สำหรับรูท dns ที่ชัดเจน
• อนุญาตให้นำ '_' สำหรับโดเมนบริการ RRs (ข้อบกพร่อง: ไม่บังคับใช้สูงสุด 15 อักขระสำหรับป้ายกำกับ _ และไม่จำเป็นต้องมีโดเมนอย่างน้อยหนึ่งโดเมนเหนือบริการ RRs)
• ตรงกับ TLD ที่เป็นไปได้ทั้งหมด
• ไม่จับป้ายกำกับโดเมนย่อย

โดยอะไหล่

Lookahead จำกัดความยาวสูงสุดระหว่าง ^ $ ถึง 253 อักขระโดยมีตัวอักษรต่อท้าย "."

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

Lookahead อักขระถัดไปไม่ใช่ "-" และไม่มี "_" ตามหลังอักขระใด ๆ ก่อนหน้า "ถัดไป" กล่าวคือบังคับว่าอักขระตัวแรกของป้ายกำกับไม่ใช่ "-" และอักขระตัวแรกเท่านั้นที่สามารถเป็น "_" ได้

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

ระหว่าง 1 ถึง 63 ของอักขระที่อนุญาตต่อป้ายกำกับ

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

Lookbehind อักขระก่อนหน้าไม่ใช่ "-" กล่าวคือบังคับว่าอักขระสุดท้ายของป้ายกำกับไม่ใช่ "-"

(?<!-)

บังคับ a "." ที่ส่วนท้ายของป้ายกำกับทุกป้ายยกเว้นป้ายสุดท้ายซึ่งเป็นทางเลือก

(?:\.|$)

โดยส่วนใหญ่รวมกันจากข้างบนสิ่งนี้ต้องใช้ระดับโดเมนอย่างน้อยสองระดับซึ่งไม่ถูกต้องนัก แต่โดยปกติจะเป็นข้อสันนิษฐานที่สมเหตุสมผล เปลี่ยนจาก {2,} เป็น + หากคุณต้องการอนุญาต TLDs หรือโดเมนย่อยสัมพัทธ์ที่ไม่มีเงื่อนไขผ่าน (เช่น localhost, myrouter ถึง.)

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

การทดสอบหน่วยสำหรับนิพจน์นี้

ขอบคุณสำหรับการชี้ทิศทางที่ถูกต้องในโซลูชันการตรวจสอบชื่อโดเมนในคำตอบอื่น ๆ ชื่อโดเมนสามารถตรวจสอบได้หลายวิธี

หากคุณต้องการตรวจสอบความถูกต้องของโดเมนIDNในรูปแบบที่มนุษย์อ่านได้ regex \p{L}จะช่วยได้ สิ่งนี้ช่วยให้จับคู่อักขระในภาษาใดก็ได้

โปรดทราบว่าส่วนสุดท้ายอาจมีขีดกลางด้วย! เนื่องจากชื่อภาษาจีนที่เข้ารหัส punycode อาจมีอักขระ Unicode เป็น tld

ฉันได้มาถึงวิธีแก้ปัญหาซึ่งจะตรงกับตัวอย่าง:

• 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 คือ:

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

ตรวจสอบและปรับแต่งที่นี่

หมายเหตุ: regexp นี้ค่อนข้างอนุญาตเช่นเดียวกับชื่อโดเมนปัจจุบันที่อนุญาตให้ใช้ชุดอักขระ

อัปเดต : ง่ายยิ่งขึ้นเช่นa-aA-Z\p{L}เดียวกับเพียง\p{L}

NOTE2: ปัญหาเดียวคือจะจับคู่โดเมนที่มีจุดสองจุดในนั้น ... เช่นmasełk..owski.pl. หากใครทราบวิธีแก้ไขโปรดปรับปรุง

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

[โดเมน - อักษรตัวพิมพ์เล็กและ 0-9 เท่านั้น] [สามารถมียัติภังค์] + [TLD - ตัวพิมพ์เล็กเท่านั้นต้องอยู่ระหว่าง 2 ถึง 7 ตัวอักษร]
http://rubular.com/ยอดเยี่ยมสำหรับการทดสอบนิพจน์ทั่วไป!
แก้ไข: อัปเดต TLD สูงสุด 7 อักขระสำหรับ ".rentals" ตามที่ Dan Caddigan ชี้ให้เห็น

ตัวแทนยังไม่เพียงพอที่จะแสดงความคิดเห็น ในการตอบสนองต่อวิธีแก้ปัญหาของ paka ฉันพบว่าฉันต้องปรับสามรายการ:

• มีการย้ายเส้นประและขีดล่างเนื่องจากเส้นประถูกตีความเป็นช่วง (เช่น "0-9")
• เพิ่มตัวหยุดเต็มสำหรับชื่อโดเมนที่มีโดเมนย่อยมากมาย
• ขยายความยาวที่เป็นไปได้สำหรับ TLD เป็น 13

ก่อน:

^(([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})$

หลังจาก:

^(([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})$

สำหรับ gTLD ใหม่

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

ดังที่ได้กล่าวไปแล้วว่าไม่ชัดเจนที่จะบอกโดเมนย่อยในแง่การปฏิบัติ (เช่น.co.ukโดเมน) เราใช้ regex นี้เพื่อตรวจสอบโดเมนที่เกิดขึ้นในไวลด์ ครอบคลุมกรณีการใช้งานจริงทั้งหมดที่ฉันรู้จัก คนใหม่ยินดีต้อนรับ ตามหลักเกณฑ์ของเราจะหลีกเลี่ยงกลุ่มที่ไม่จับภาพและการจับคู่แบบโลภ

^(?!.*?_.*?)(?!(?:[\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})$

หลักฐานคำอธิบายและตัวอย่าง: https://regex101.com/r/FLA9Bv/9 ( หมายเหตุ: ขณะนี้ใช้งานได้เฉพาะใน Chrome เนื่องจาก regex ใช้ lookbehinds ซึ่งรองรับเฉพาะใน ECMA2018 )

มีสองวิธีให้เลือกในการตรวจสอบโดเมน

การจับคู่ FQDN ตามหนังสือ (คำจำกัดความทางทฤษฎีไม่ค่อยพบในทางปฏิบัติ):

• ยาวสูงสุด 253 อักขระ (ตามRFC-1035 / 3.1 , RFC-2181/11 )
• ความยาวสูงสุด 63 อักขระต่อฉลาก (ตามRFC-1035 / 3.1 , RFC-2181/11 )
• อนุญาตให้ใช้อักขระใดก็ได้ (ตามRFC-2181/11 )
• TLD ไม่สามารถเป็นตัวเลขทั้งหมด (ตามRFC-3696/2 )
• FQDN สามารถเขียนในรูปแบบที่สมบูรณ์ซึ่งรวมถึงโซนรูท (จุดต่อท้าย)

การจับคู่ FQDN ในทางปฏิบัติ / เชิงอนุรักษ์ (คำจำกัดความในทางปฏิบัติคาดหวังและสนับสนุนในทางปฏิบัติ):

• by-the-books ที่ตรงกับข้อยกเว้น / ส่วนเพิ่มเติมต่อไปนี้
• อักขระที่ถูกต้อง: [a-zA-Z0-9.-]
• ป้ายกำกับไม่สามารถเริ่มต้นหรือลงท้ายด้วยยัติภังค์ (ตามRFC-952และRFC-1123 / 2.1 )
• ความยาวขั้นต่ำ TLD คือ 2 อักขระความยาวสูงสุดคือ 24 อักขระตามบันทึกที่มีอยู่ในปัจจุบัน
• ไม่ตรงกับจุดต่อท้าย

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

นี่คือรหัสที่สมบูรณ์พร้อมตัวอย่าง:

<?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})$

ขอบคุณ @mkyong สำหรับคำตอบของฉัน ฉันได้แก้ไขเพื่อรองรับป้ายกำกับที่ยาวขึ้นแล้ว

นอกจากนี้ "localhost" เป็นชื่อโดเมนที่ถูกต้องในทางเทคนิค ฉันจะแก้ไขคำตอบนี้เพื่อรองรับชื่อโดเมนสากล

/^((([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}) -> สำหรับการยอมรับเพียงสองตัวละคร

• ([0-9]{1,2})-> สำหรับการรับสองหมายเลขเท่านั้น

หากมีสิ่งใดเกินกว่าสอง ([a-zA-Z0-9][a-zA-Z0-9-]{1,61}[a-zA-Z0-9]) regex นี้จะดูแลสิ่งนั้น

หากเราต้องการทำการจับคู่อย่างน้อยหนึ่งครั้ง+จะถูกใช้

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

ตัวอย่างที่ใช้งานได้:

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

นอกจากนี้ยังใช้งานได้กับส่วนขยาย

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

ตัวอย่างที่ใช้ไม่ได้:

-stack.com

มันจะทำงานได้แม้จะมีนามสกุลโดเมนที่ยาวที่สุด ".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,})$

จะตรวจสอบโดเมนดังกล่าวяндекс.рфหลังจากเข้ารหัส

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

regex ต่อไปนี้จะแยกย่อย root และ tld ของโดเมนที่กำหนด:

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

ผ่านการทดสอบสำหรับโดเมนต่อไปนี้:

* 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

ฉันทำตามด้านล่างนี้เพื่อดึงข้อมูลโดเมนพร้อมกับโปรโตคอล ตัวอย่าง: https://www.facebook.com/profile/user/ ftp://182.282.34.337/movies/M

ใช้รูปแบบ Regex ด้านล่าง: [a-zA-Z0-9] +: //.*? /

คุณจะได้รับผลลัพธ์: https://www.facebook.com/ ftp://192.282.34.337/