RegExp для проверки URL (вечная тема)

[Dreammaker]

RegExp для проверки URL (вечная тема)

Нужен ReXexp для проверки URL на корректности введённого URL. Уже устал.... Если пишу свой, то через пару часов оказывается, что он что-то не учитывает... Просмотрел ен-мануал с комментариями, один приглянулся.... Но опять же пришлось дорабатывать, чтобы через несколько часов понять, что и этот не удовлетворяет.
Требования - http(s) ftp может быть, а может не быть в линке, если есть, то не важно присутствует www, или нет, если же http(s) ftp отсуствует, то www должно присутствовать обязательно.

Охватывать желательно все урлы начиная www.ya.ru (не сочтите за рекламу тут спонсор www.google.com как я понимаю), заканчивая http://www.nekiysite.nekiyserver.com.ru?n=modul&m=31545#qwert

понимаю, что универсального найти всё равно не удасться, но может....

 

[Profic]

Где-то так:
~(??:ftp|https?)?://|www\.)[a-z_.]+?[a-z_]{2,6}?/[a-z0-9\-?\[\]=&;#]+)?~i
В последний символьный класс символы добавить по вкусу

 

[sage]

через пару часов оказывается, что он что-то не учитывает...

универсального найти всё равно не удасться

мой тебе совет - не парься. самый верный способ проверки url - послать запрос на сервер и посмотреть, что в ответе.

 

[Dreammaker]

2 Profic. регексп любит отечественного производителя
www.ya.ru съел, а вот www.google.com ему не понравился
Также не захотел и другие более навороченные урлы

2 saqe. Проблемка в том, что мне потом этот регексп нужно использовать также и для автозамены урлов в тексте. А проверять не является ли каждое слово урлом путём отсылки запроса к потенциальным серверам. Это будет конечно черезчур... + cервер может быть в дауне.

 

[Profic]

Dreammaker

www.ya.ru съел, а вот www.google.com ему не понравился

Значит не так приготовили:

E:\work\web\SDN\recipe-nddocs\cpp\rtf2html>php

<?php
var_dump(preg_match('~(?:(?:ftp|https?)?://|www\.)[a-z_.]+?[a-z_]{2,6}(:?/[a-z0-9\-?\[\]=&;#]+)?~i', 'www.google.com'));
?>

^Z
int(1)

E:\work\web\SDN\recipe-nddocs\cpp\rtf2html>php

<?php
var_dump(preg_match('~(?:(?:ftp|https?)?://|www\.)[a-z_.]+?[a-z_]{2,6}(:?/[a-z0-9\-?\[\]=&;#]+)?~i', 'http://www.nekiysite.nekiyserver.com.ru/?n=modul&m=31545#qwert'));
?>

^Z
int(1)

E:\work\web\SDN\recipe-nddocs\cpp\rtf2html>

 

[Dreammaker]

<?echo var_dump(preg_match('~(?:(?:ftp|https?)?://|www\.)[a-z_.]+?[a-z_]{2,6}(:?/[a-z0-9\-?\[\]=&;#]+)?~i', 'www.google.com78787878'));?>

int(1)

у классиков (Mastering Regular Expressions ) та же проблема

<?echo var_dump(preg_match("~((ftp|https?)://[-\w]+(\.\w[-\w]*)+|(?i: [a-z0-9] (?:[-a-z0-9]*[a-z0-9])?\.)+(?-i:com\b|edu\b|biz\b|gov\b|in(?:t|fo)\b|mil\b|net\b|org\b|museum\b\[a-z][a-z]\b))(:\d+)?(/[^.!,?;\"\'<>()\[\]{}\s\x7F-\xFF]*(?:[.!,?]+[^.!,?;\"\'<>()\[\]{}\s\x7F-\xFF]+)*)?~", 'http://www.google.com78787878'));?>

код немного доделан (например, слышами кавычки экранировал + музеум добавил) и плюс проверки на www - нет, но факт остаётся фактом int(1).

 

[Profic]

Для начала - это в принципе валидный урл.
Дальше, вы все равно их не так готовите:

E:\work\web\SDN\recipe-nddocs\cpp\rtf2html>php

<?php
echo preg_replace('~(?:(?:ftp|https?)?://|www\.)(?:[a-z_]+\.)*[a-z_]{2,6}(:?/[a-z0-9\-?\[\]=&;#]+)?~i', '|$0|', 'www.goo
gle.com12345');
?>

^Z
|www.google.com|12345
E:\work\web\SDN\recipe-nddocs\cpp\rtf2html>

Такой рег можно усложнять до безобразия, но он все равно не будет 100% отсеивать неверные урлы.

 

[Dreammaker]

<?php 
function url_check($buf)
{
      $buf=trim($buf);
      preg_match("~(?:(?:ftp|https?)?://|www\.)(?:[a-z0-9\-]+\.)*[a-z]{2,6}(:?/[a-z0-9\-?\[\]=&;#]+)?~i",$buf,$mat);
      return (isset($mat))?($mat[0]==$buf)?$mat[0]:0:0;

      //если существует массив $mat и равны входные данные и то, что получили от рега, то значит урл валидный и возвращаем его, если нет то вовращаем 0.
}
$buf="www.nekiysite.nekiyserver.com.ru/n=modul&m=31545#qwert";


echo url_check($buf);
//www.nekiysite.nekiyserver.com.ru/n=modul&m=31545#qwert


$buf="www.nekiysite.nekiys'erver.com.ru/n=modul&m=31545#qwert";

echo url_check($buf);
//0

?>


В такой кастрюле готовить нормально?
Оно работает в терпимых границах Спасибо!

./******отредактировал. убрал символы подчёркивания по совету Фаната. Насчёт ниже лежащего поста - пока думаю**********/

p.s. Если терпимо, то эту тему можно заносить в избранное или в FAQ. Думаю, что это многим будет полезно и интересно (хотя могу ошибаться), да и на грабли на чужие не будут наступать.

 

[sage]

Т.к. :// относится к названию протокола, то эта часть выражения слегка неточная. Вот более правильная: (??:ftp|https?)://)?

 

[Фанат]

зачем в имени домена символ подчёркивания?
для подсветки урлов функция не годится - русский, к примеру, не поймёт в параметрах - а удобно.
для проверки - может быть...

 

[MD]

Dreammaker
нафиг оно не нужно в избранном, ибо проверка урл на валидность не имеет практической пользы.

 

[Лисю]

//--------------------------------------------------------------------
//	Проверяет строку на соответствие URL адресу
//	возвращает true в случае если ввод корректен
//	false в противном случае
//--------------------------------------------------------------------
function is_url($in){
	$w = "a-z0-9";
	$url_pattern = "#(
	(?:f|ht)tps?://(?:www.)?
	(?:[$w\\-.]+/?\\.[a-z]{2,4})/?
	(?:[$w\\-./\\#]+)?
	(?:\\?[$w\\-&=;\\#]+)?
	)#xi";
	
	$a =  preg_match($url_pattern,$in);
	return $a;
}

[Posted by 213.171.59.204. This is added while posting a message via http://webwarper.net to avoid misuse of WebWarper. Example of using WebWarper: http://webwarper.net/ww/~av/lycos.com ]

 

[Dreammaker]

MD Ну мне то понадобилось...
Ок. Не нужно в избранное - так не нужно... Спорить не буду. Главное, что она для меня полезной будет.

Во, не успеваю написать, как уже ответы поступают.
Там ещё не только убрать подчёркивание нужно, но и дефисы добавить в имя домена, который не ТЛД, и циферки в имя домена тоже... Сейчас сделаю...

Конечно, можно ещё поставить проверку на , чтобы первыми дефисы не шли, но мне и этого хватит

Насчёт функции выше, то она похожа. Единственно, что всё таки в моём случае нужно возвращать или нуль или имя урла, как это сделано в функции url_check().

 

[Alexandre]

нафиг оно не нужно в избранном, ибо проверка урл на валидность не имеет практической пользы

MD - ты не прав, имеет

 

[MD]

Alexandre
примеров не встречал.

толку мне от того, что http://www.sadfjhsdfkshdfksh__sdfjhsdfs.com валидный?