高效的 Django QuerySet 正则表达式

Question

我有一个这样的模型：

class CampaignPermittedURL(models.Model):
    hostname = models.CharField(max_length=255)
    path = models.CharField(max_length=255,blank=True)

我会经常收到一个 URL，我可以将其拆分为主机名和路径。我希望最终用户能够输入主机名（yahoo.com）和可能的路径（婚礼）。

我想查找 URL 何时与主机名/路径组合不“匹配”，如下所示：

• 成功： www.yahoo.com/weddings/newyork
• 成功：yahoo.com/weddings
• 失败： cnn.com
• 失败：cnn.com/weddings

我认为最好的方法是：

url = urlsplit("http://www.yahoo.com/weddings/newyork")
### split hostname on . and path on /
matches = CampaignPermittedURL.objects.filter(hostname__regex=r'(com|yahoo.com|www.yahoo.com)'), \
    path__regex=r'(weddings|weddings/newyork)')

有人有更好的想法吗？我正在使用PostgreSQL，否则我想尝试Django Full Text Search，但我不确定这是否值得，或者它是否真的比这更符合我的需求。还有其他同样快的方法吗？

请记住，我的方法已将 URL 传递给它，并且 CampaignPermittedURL 对象可能有数百条记录。我首先在寻找可扩展/可维护的解决方案，但它也需要高效，因为这将扩展到每秒数百次调用。

我也可以使用另一个后端 (Sphinx?)，但我最关心的是尽可能地使用标准 Django。

Answer 1

正则表达式：^(http\:\/\/)?(www\.)?yahoo\.com(\/.+)?$

http://www.yahoo.com/weddings/newyork pass
www.yahoo.com/weddings/foo            pass
www.yahoo.com/weddings                pass
www.yahoo.com                         pass

yahoo.com/weddings/foo                pass
yahoo.com/weddings                    pass
yahoo.com                             pass

cnn.com/weddings/foo                  fail
cnn.com/weddings                      fail
cnn.com                               fail

Answer 2

我最终构建了一个“详细”正则表达式并使用问题中指定的 ORM。这在不离开 Django 的情况下应该相当快：

        # >>> url.hostname.split(".")
    # ["bakery", "yahoo", "com"]
    host_list = url.hostname.split(".")

    # Build regex like r"^$|^[.]?com$|^[.]?yahoo\.com$|^[.]?baking[.]yahoo[.]com$"
    # Remember that
    # >>> r'\'
    # '\\'
    host_list.reverse()

    # append_str2 might not be necessary
    append_str = r""
    append_str2 = r""
    host_regex = r"^$"
    for host in host_list:
        append_str = r"[.]" + host + append_str
        append_str2 = append_str[3:]
        host_regex = host_regex + r"|^[.]?" + append_str2 + r"$"
    # If nothing is in the filter at all, bypass the filter.
    if CampaignRequiredURL.objects.filter():
        if not CampaignRequiredURL.objects.filter(hostname__iregex=host_regex):
            #Do something based on a hit.