在 Python 中验证简单的人类可读 url - 离线验证域名

Question

我为此找到了很多问题，但我没有找到实际的答案。

我不需要 http 或 www，应该允许用户输入，例如例子.com

允许：

• http://www.example.berlin
• https://example.de/more
• www.sub.example.de
• example.de

不允许：

• 示例
• 1
• :::::
• .....

其他问题的问题：

• Python - How to validate a url in python ? (Malformed or not)（不接受“example.com”）

• http://validators.readthedocs.io/en/latest/（不接受“example.com”）

• https://stackoverflow.com/a/2532344/1907997（允许“示例”）

• ^([a-z0-9]+(-[a-z0-9]+)*.)+[a-z]{2,}$（不允许 http 或子域）

• urlparse（不接受“example.com”）

所以我认为我需要正则表达式，就像上面最后一个例子一样，但有点扩展。 https://docs.python.org/3.6/library/re.html

使用此代码，所有示例都可以正常工作，但“example.de/more”

def verify_url(self, url):
    url = url.strip()
    if url[-1] == ".":
        url = url[:-1]
    if url[-1] == "/":
        url = url[:-1]
    url = url.replace("https://", "") 
    url = url.replace("http://", "") 
    if url.startswith("www."):
        url = url.replace("www.", "")
    result = re.match(
        "^([a-z0-9]+(-[a-z0-9]+)*\.)+[a-z]{2,}$",
        url)
    if result:
        return url

Answer 1

看来你还没有尝试过！ 看下面的例子：

import re
match_cases = ['http://www.example.de', 'https://example.de/more', 'www.sub.example.de', 'example.de']

URL_REGEX = r"""(?i)\b((?:https?:(?:/{1,3}|[a-z0-9%])|[a-z0-9.\-]+[.](?:de|com)/)(?:[^\s()<>{}\[\]]+|\([^\s()]*?\([^\s()]+\)[^\s()]*?\)|\([^\s]+?\))+(?:\([^\s()]*?\([^\s()]+\)[^\s()]*?\)|\([^\s]+?\)|[^\s`!()\[\]{};:'".,<>?«»“”‘’])|(?:(?<!@)[a-z0-9]+(?:[.\-][a-z0-9]+)*[.](?:de|com)\b/?(?!@)))"""


for text in match_cases:
    url = re.findall(URL_REGEX, text)
    print(url)

更多详情请参考以下链接：

Liberal Regex Pattern for Web URLs 和几个类似的答案： https://stackoverflow.com/a/44645567/7664524

https://stackoverflow.com/a/44645124/7664524

---

更新

在您更新的问题中，您使用了url.replace("https://", "")；这将替换 url 中的每个 https://，这意味着包含指向其他 url 的引用链接的一些 url 也将被操纵。