Що таке регулярний вираз, який відповідає дійсному доменному імені без субдомену?

Мені потрібно перевірити ім'я домену:

google.com

stackoverflow.com

Тож домен у його найновішому вигляді - навіть не такий піддомен, як www.

1. Символи повинні бути лише az | AZ | 0-9 і період (.) І тире (-)
2. Частина доменного імені не повинна починатися або закінчуватися тире (-) (наприклад, -google-.com)
3. Частина доменного імені повинна бути довжиною від 1 до 63 символів
4. Розширення (TLD) може бути будь-яким, згідно правил №1 на даний момент, я можу перевірити їх проти списку пізніше, він повинен бути 1 або більше символів, хоча

Редагувати: TLD, мабуть, становить 2-6 знаків, як він є

немає. 4 переглянуто: TLD насправді має бути позначений "субдоменом", оскільки він повинен містити такі речі, як .co.uk - я вважаю, що єдиним можливим підтвердженням (окрім перевірки списку) було б "після першої крапки має бути одна або більше символів за правилами №1

Дуже дякую, повірте, я намагався!

Ну, це досить просто, трохи приємніше, ніж це виглядає (див. Коментарі), враховуючи ваші конкретні вимоги:

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

Але зауважте, що це відкине безліч дійсних доменів.

Я знаю, що це трохи старе повідомлення, але в усіх регулярних виразах тут відсутній один дуже важливий компонент: підтримка доменних імен IDN.

Іменні доменні імена починаються з xn--. Вони включають розширені UTF-8 символів у доменних іменах. Наприклад, чи знаєте ви, що "♡ .com" - дійсне доменне ім'я? Так, "love heart dot com"! Для перевірки доменного імені потрібно дозволити http://xn--c6h.com/ пройти перевірку.

Зауважте, щоб використовувати цей регулярний вираз, вам потрібно буде перетворити домен у малі регістри, а також використовувати бібліотеку IDN, щоб переконатися, що ви кодуєте доменні імена в ACE (також відомий як "ASCII сумісне кодування"). Одна гарна бібліотека - GNU-Libidn.

idn (1) - інтерфейс командного рядка до інтернаціоналізованої бібліотеки доменних імен. Наступний приклад перетворює ім'я хоста в UTF-8 в кодування ACE. Отримана URL-адреса https: //nic.xn--flw351e/ може бути використана як кодований ACE еквівалент https: // nic. 谷 歌 / .

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

Цей магічний регулярний вираз повинен охоплювати більшість доменів (хоча, я впевнений, є багато дійсних крайових випадків, які я пропустив):

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

Вибираючи регекс для перевірки домену, слід побачити, чи домен відповідає наступному:

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

Якщо ці три домени не проходять, ваш регулярний вираз може не дозволяти законних доменів!

Перегляньте сторінку підтримки інтернаціоналізованих доменних імен у Міжнародному посібнику з мовного середовища Oracle для отримання додаткової інформації.

Спробуйте випробувати регекс тут: http://www.regexr.com/3abjr

ICANN зберігає список делегованих tlds, які можна використовувати для перегляду деяких прикладів доменів IDN.

Редагувати:

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

Цей регулярний вираз зупинить домени, які мають "-" в кінці імені хоста, як позначені як дійсні. Крім того, це дозволяє необмежену кількість субдоменів.

Мій RegEx наступний:

^[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})$

це нормально для i.oh1.me та для wow.british-library.uk

UPD

Тут оновлено правило

^(([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

тепер він перевіряє наявність -або _на початку або в кінці мітки домену.

Моя ставка:

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

Пояснили:

Доменне ім’я побудовано з сегментів. Ось один сегмент (крім остаточного):

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

Він може мати 1-63 символи, не починається і не закінчується символом "-".

Тепер додайте "." до нього і повторіть хоча б один раз:

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

Потім прикріпіть заключний сегмент довжиною 2-63 символи:

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

Перевірте це тут: http://regexr.com/3au3g

Просто незначне виправлення - остання частина повинна бути до 6. Отже,

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

Найдовший TLD - museum(6 знаків) - http://en.wikipedia.org/wiki/List_of_Internet_top-level_domains

Прийнята відповідь не працює для мене, спробуйте це:

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

Відвідайте цей блок тестів для перевірки.

Ця відповідь стосується доменних імен (включаючи службові RR), а не імен хостів (наприклад, ім'я хоста електронної пошти).

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

Це в основному відповідь mkyong і додатково:

• Максимальна довжина 255 октетів, включаючи префікси довжини та нульовий корінь.
• Дозволити трейлінг "." для явного кореня dns.
• Дозволити провідні "_" для RR доменних служб, (помилки: не застосовує 15 знаків макс для _ міток, а також не потрібно принаймні один домен вище службових RR)
• Відповідає всім TLD.
• Не захоплює мітки субдоменів.

По частинах

Шукати, обмежити максимальну довжину від ^ $ до 253 символів з необов'язковим проміжним літералом '.'

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

Ознайомтесь, наступний символ не є "-" і ні "_" слідує за будь-якими символами до наступного "." Тобто, застосуйте, що перший символ мітки не є "-", і лише перший символ може бути "_".

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

Від 1 до 63 дозволених символів на етикетці.

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

Позаду, попередній символ не '-'. Тобто, застосуйте, що останній символ мітки не є "-".

(?<!-)

Примусити '.' в кінці кожної етикетки, окрім останньої, де вона є необов’язковою.

(?:\.|$)

В основному, комбіновані зверху, для цього потрібні принаймні два рівні домену, що не зовсім коректно, але, як правило, обгрунтоване припущення. Перейдіть від {2,} до +, якщо ви хочете дозволити TLD або некваліфіковані відносні субдомени через (наприклад, localhost, myrouter, to.)

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

Одиничні тести для цього вираження.

Дякуємо, що вказали правильний напрямок у рішеннях перевірки доменних імен в інших відповідях. Доменні імена можна перевірити різними способами.

Якщо вам потрібно перевірити домен IDN у читаному для людини вигляді, \p{L}допоможе регулярний вираз . Це дозволяє зіставити будь-який символ будь-якою мовою.

Зверніть увагу, що остання частина може містити також дефіси ! Так як імена китайців, кодовані пунктодом, можуть мати символи unicode в tld.

Я прийшов до рішення, яке буде відповідати, наприклад:

• 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

Регекс:

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

Перевірте та налаштуйте тут

ПРИМІТКА. Цей регулярний вираз є досить дозвільним, як і поточні доменні імена, дозволені набір символів.

ОНОВЛЕННЯ : Ще більш спрощене, так a-aA-Z\p{L}само як і тільки що\p{L}

ПРИМІТКА2: Єдина проблема полягає в тому, що вона буде відповідати доменам з подвійними крапками в ній ..., як masełk..owski.pl. Якщо хтось знає, як це виправити, будь ласка, вдосконаліть.

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

[домен - малі літери та лише 0-9] [може мати дефіс] + [TLD - лише малі регістри, має бути між 2 та 7 літерами]
http://rubular.com/ - це чудовий тестування регулярних виразів!
Редагувати: оновлено TLD максимум на 7 символів для '.rentals', як зазначив Ден Каддіган.

Ще недостатньо реп. Для коментарів. У відповідь на рішення пакета, я виявив, що мені потрібно скорегувати три елементи:

• Тире та підкреслення було переміщено через тире, що інтерпретується як діапазон (як у "0-9")
• Додано повну зупинку для доменних імен з багатьма субдоменами
• Подовжена потенційна довжина для TLD до 13

Перед:

^(([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})$

Після:

^(([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})$

Для нових gTLD

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

Як вже вказувалося, невідомо розповісти про субдомени в практичному розумінні (наприклад, .co.ukдомени). Ми використовуємо цей регулярний вираз для перевірки доменів, які трапляються в природі. Він охоплює всі випадки практичного використання, які я знаю. Нові вітаються. Згідно з нашими вказівками, це дозволяє уникати груп, які не захоплюють, та жадної відповідності.

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

Доказ, пояснення та приклади: https://regex101.com/r/FLA9Bv/9 ( Примітка: наразі працює лише в Chrome, оскільки регулярний гекс використовує вигляд, який підтримується лише в ECMA2018 )

Існує два підходи для вибору під час перевірки доменів.

Збіг FQDN до книги (теоретичне визначення, рідко зустрічається на практиці):

• не більше 253 символів (відповідно до RFC-1035 / 3.1 , RFC-2181/11 )
• максимум 63 символи на ярлик (відповідно до RFC-1035 / 3.1 , RFC-2181/11 )
• будь-які символи дозволені (відповідно до RFC-2181/11 )
• TLD не можуть бути цілочисельними (відповідно до RFC-3696/2 )
• FQDN можна записати у повному вигляді, який включає кореневу зону (крапка)

Практичне / консервативне узгодження FQDN (практичне визначення, очікуване та підтримуване на практиці):

• відповідність підручників із наступними винятками / доповненнями
• дійсні символи: [a-zA-Z0-9.-]
• Мітки не можуть починатися або закінчуватися дефісами (відповідно до RFC-952 та RFC-1123 / 2.1 )
• Мінімальна довжина TLD - 2 символи, максимальна довжина - 24 символи відповідно до наявних записів
• не збігаються з крапкою

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

Ось повний код із прикладом:

<?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})$

Дякую @mkyong за основу для моєї відповіді. Я змінив його, щоб підтримувати довші прийнятні мітки.

Також "localhost" технічно є дійсним доменним іменем. Я модифікую цю відповідь, щоб вмістити інтернаціоналізовані доменні імена.

/^((([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}) -> за прийняття лише двох символів.

• ([0-9]{1,2})-> лише для прийому двох чисел

якщо щось перевищує два, ([a-zA-Z0-9][a-zA-Z0-9-]{1,61}[a-zA-Z0-9])цей регекс подбає про це.

Якщо ми хочемо зробити відповідність хоча б один раз, +буде використано.

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

Приклади, які працюють:

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

Він також буде працювати для розширень

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

Приклади, які не спрацюють:

-stack.com

він буде працювати навіть з найдовшим розширенням домену ".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,})$

підтвердить такі домени, як яндекс.рфпісля кодування.

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

Наступний регулярний витяг витягує суб, корінь і tld даного домену:

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

Тестовано для таких доменів:

* 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

Нижче я зробив простий забір домену разом з протоколом. Приклад: https://www.facebook.com/profile/user/ ftp://182.282.34.337/movies/M

скористайтеся наведеною нижче схемою Regex: [a-zA-Z0-9] +: //.*? /

ви отримаєте вихід: https://www.facebook.com/ ftp://192.282.34.337/