Kann ich diese Regex-Prüfung auf gültige Domänennamen verbessern?

Question

Also, ich habe an diesem regulären Ausdruck Domain Name gearbeitet. Bis jetzt scheint es Domain-Namen mit SLDs und TLDs (mit der optionalen ccTLD) aufzunehmen, aber es gibt eine Verdoppelung der TLD-Auflistung. Kann dies weiter konkretisiert werden?

params[:domain_name].downcase.strip.match(/^[a-z0-9\-]{2,63} 
\.((a[cdefgilmnoqrstuwxz]|aero|arpa)|(b[abdefghijmnorstvwyz]|biz)| 
(c[acdfghiklmnorsuvxyz]|cat|com|coop)|d[ejkmoz]|(e[ceghrstu]|edu)|f[ijkmor]| 
(g[abdefghilmnpqrstuwy]|gov)|h[kmnrtu]|(i[delmnoqrst]|info|int)| 
(j[emop]|jobs)|k[eghimnprwyz]|l[abcikrstuvy]| 
(m[acdghklmnopqrstuvwxyz]|me|mil|mobi|museum)|(n[acefgilopruz]|name|net)|(om|org)| 
(p[aefghklmnrstwy]|pro)|qa|r[eouw]|s[abcdeghijklmnortvyz]| 
(t[cdfghjklmnoprtvwz]|travel)|u[agkmsyz]|v[aceginu]|w[fs]|y[etu]|z[amw]) 
(\.((a[cdefgilmnoqrstuwxz]|aero|arpa)|(b[abdefghijmnorstvwyz]|biz)| 
(c[acdfghiklmnorsuvxyz]|cat|com|coop)|d[ejkmoz]|(e[ceghrstu]|edu)|f[ijkmor]| 
(g[abdefghilmnpqrstuwy]|gov)|h[kmnrtu]|(i[delmnoqrst]|info|int)| 
(j[emop]|jobs)|k[eghimnprwyz]|l[abcikrstuvy]| 
m[acdghklmnopqrstuvwxyz]|mil|mobi|museum)| 
(n[acefgilopruz]|name|net)|(om|org)| 
(p[aefghklmnrstwy]|pro)|qa|r[eouw]|s[abcdeghijklmnortvyz]| 
(t[cdfghjklmnoprtvwz]|travel)|u[agkmsyz]|v[aceginu]|w[fs]|y[etu]|z[amw]))?$/) 

Answer 1

Bitte, bitte, bitte nicht Verwenden Sie eine feste und schrecklich komplizierte Regex wie diese für bekannte Domain-Namen zu entsprechen.

Die Liste der TLDs ist nicht statisch, insbesondere mit ICANN Blick auf einen rationalisierten Prozess für neue gTLDs. Auch die Liste der ccTLDs ändert sich manchmal!

Sehen Sie sich die Liste unter http://publicsuffix.org/ an und schreiben Sie einen Code, der diese Liste herunterladen und parsen kann.

Answer 2

Ich weiß nicht genug über Domain-Namen wahrscheinlich. Aber warum passen Domains wie "foo.info.com"? Es scheint, dass der Domain-Name in diesem speziellen Fall "info.com" ist.

Und Sie möchten vielleicht sicherstellen, dass der Name mit [a-z \ d] beginnt. Ich glaube nicht, dass Sie eine Domain registrieren können, die mit einem Bindestrich beginnt?

Answer 3

Nun, wie Sie es geschrieben hat, ist der TLD Teil gleichwertig, aber länger als (\.<tldpart>){1,2} aber ich bin sicher, dass es für die Vervielfältigung behoben werden kann ...

edit: Yech, nein, wäre es möglich, aber im Wesentlichen eine sehr langsame Brute-Force-Liste, um mit den Duplikaten umzugehen, denke ich. Einfacher und schneller die möglichen TLD und SLD + Länderpaare in eine große Hashmap zu legen und den Teilstring davor zu prüfen.

Answer 4

Sie können die Regex als Zeichenfolge erstellen und dann Regexp.new (string) ausführen.

Answer 5

Ich würde empfehlen, mit den Regeln beginnend in RFC 1035 zu beginnen, und dann rückwärts arbeiten - aber nur, wenn Sie wirklich wirklich wirklich das von Grund auf neu machen müssen. Ein Domain-Regex-Muster muss (am zweithäufigsten nur für E-Mail-Adress-Regex-Muster) die am weitesten verbreitete Sache sein. Ich würde die Seite regexlib.com überprüfen und durchsuchen, was andere Leute getan haben.

Answer 6

herunterladen: http://data.iana.org/TLD/tlds-alpha-by-domain.txt

Beispiel Verbrauch (in Python):

import re 
def validate(domain): 
    valid_domains = [ line.upper().replace('.', '\.').strip() 
         for line in open('domains.txt') 
         if line[0] != '#' ] 
    r = re.compile(r'^[A-Z0-9\-]{2,63}\.(%s)$' % ('|'.join(valid_domains),)) 
    return True if r.match(domain.upper()) else False 


print validate('stackoverflow.com') 
print validate('omnom.nom') 

Sie können aus der Prüf-Funktion die Domain-list-Baufaktor Leistung zu helfen.