用于url验证的PHP正则表达式，filter_var太过分了

Question

首先，根据我的要求定义“URL”。

唯一允许的协议是http://和https://

然后是像stackoverflow.com这样的强制域名

然后可选地其余的url组件（ path ， query ， hash ，...）

根据我的要求，参考一个有效和无效网址列表

有效

• stackoverflow.com
• stackoverflow.com/questions/ask
• https://stackoverflow.com/questions/ask
• http://www.amazon.com/Computers-Internet-Books/b/ref=bhp_bb0309A_comint2?ie=UTF8&node=5&pf_rd_m=ATVPDKIKX0DER&pf_rd_s=browse&pf_rd_r=0AH7GM29WF81Q72VPFDH&pf_rd_t=101&pf_rd_p=1273387142&pf_rd_i=283155

• amazon.com/Computers-Internet-Books/b/ref=bhp_bb0309A_comint2?ie=UTF8&node=5&pf_rd_m=ATVPDKIKX0DER&pf_rd_s=browse&pf_rd_r=0AH7GM29WF81Q72VPFDH&pf_rd_t=101&pf_rd_p=1273387142&pf_rd_i=283155

• http://test-site.com （filter_var拒绝这个!!!我有破折号的域名）

无效

• http：// www （php filter_var允许这个，是的，我知道是一个valid网址）
• 谷歌
• http：//www..des （php filter_var允许这个）
• 域名中包含不允许使用任何字符的网址

为了完整性，这里是我的PHP版本： 5.3.2-1ubuntu4.2

Answer 1

作为起点你可以使用这个， 它适用于JS ，但很容易将它转换为PHP preg_match 。

/^(https?\://)?(www\.)?([a-z0-9]([a-z0-9]|(\-[a-z0-9]))*\.)+[a-z]+$/i

对于PHP应该工作这一个：

$reg = '@^(https?\://)?(www\.)?([a-z0-9]([a-z0-9]|(\-[a-z0-9]))*\.)+[a-z]+$@i';

这个正则表达式无论如何只验证域部分 ，但你可以处理这个或者在第一个斜杠'/' （在"://" ）拆分URL并分别验证域部分和其余部分。

顺便说一句：它也会验证"http://www.domain.com.com"但这不是错误，因为子域名网址可能是： "http://www.subdomain.domain.com" ，它是有效的！ 并且几乎没有办法（或者至少没有操作简单的方法）使用正则表达式验证正确的域tld，因为你必须在内核中写入所有可能的域tlds ONE by ONE，如下所示：

/^(https?\://)?(www\.)?([a-z0-9]([a-z0-9]|(\-[a-z0-9]))*\.)+(com|it|net|uk|de)$/i

（例如，最后一个将仅验证以.com / .net / .de / .it / .co.uk结尾的域）。 新的tld 总是出来 ，所以你必须调整你的正则表达式每一个新的tld出来，这是一个痛苦的脖子！

Answer 2

您可以使用parse_url将地址分解为其组件。 虽然它显然不是为验证URL而构建的，但分析生成的组件并将它们与您的要求相匹配至少是一个开始。

Answer 3

它可能会有所不同，但在大多数情况下，您并不需要检查任何URL的有效性。

如果这是一个至关重要的信息，并且您信任您的用户足以让他通过URL提供，您可以信任他足以提供有效的URL。

如果它不是重要信息，那么您只需检查XSS尝试并显示用户想要的URL。

如果您没有检测到“http：//”，可以手动添加“http：//”以避免导航问题。

---

我知道，我不会给你一个替代解决方案，但也许解决性能和有效性问题的最佳方法就是避免不必要的检查。