如何在java中验证允许通配符(*，%)的URL(域)

Question

我想检查验证URL，允许在java中通配符。

我找到了一些在java (REGEX，urlValidator)中验证URL的很好的例子，但是这些例子并没有提供通配符。

下面是我练习的内容：

代码(UrlValidator)

public void urlValidiTest(){
    System.out.println(this.urlCheck("https://www.google.com"));
    System.out.println(this.urlCheck("https://google.com"));
    System.out.println(this.urlCheck("*.com"));
}

public boolean urlCheck(String url){
    return new UrlValidator().isValid(url);
}

输出

真的 真的 错误

代码(Regex)

public void regexTest() {
  String[] URLs = new String[] { "http://www.google.com", "http://google.com/","*.com" };
    Pattern REGEX = Pattern.compile("(?i)^(?:(?:https?|ftp)://)(?:\\S+(?::\\S*)?@)?(?:(?!(?:10|127)(?:\\.\\d{1,3}){3})(?!(?:169\\.254|192\\.168)(?:\\.\\d{1,3}){2})(?!172\\.(?:1[6-9]|2\\d|3[0-1])(?:\\.\\d{1,3}){2})(?:[1-9]\\d?|1\\d\\d|2[01]\\d|22[0-3])(?:\\.(?:1?\\d{1,2}|2[0-4]\\d|25[0-5])){2}(?:\\.(?:[1-9]\\d?|1\\d\\d|2[0-4]\\d|25[0-4]))|(?:(?:[a-z\\u00a1-\\uffff0-9]-*)*[a-z\\u00a1-\\uffff0-9]+)(?:\\.(?:[a-z\\u00a1-\\uffff0-9]-*)*[a-z\\u00a1-\\uffff0-9]+)*(?:\\.(?:[a-z\\u00a1-\\uffff]{2,}))\\.?)(?::\\d{2,5})?(?:[/?#]\\S*)?$");
    for (String url : URLs) {
        Matcher matcher = REGEX.matcher(url);
        if (matcher.find()) {
            System.out.println(matcher.group());
        }
    }
}

结果

http://www.google.com http://google.com/

我想做的是上面的所有网址都是有效的。

我该如何解决这个问题呢？

如有任何意见，将不胜感激。谢谢。

更新

我去掉了方案部分，并在答案后面的域部分中添加了财政*和财政。*给出了一个错误--无效的转义序列(有效的转义序列是\b \n \f \r \“\\”--但我不确定更改是否正确)。

现在它不允许"google.com"，但是允许其他人(“www.google.com”、“google.com”、".google.com“、".com")

 public void regexValidator(String str){

    Pattern REGEX = Pattern.compile(""
            + "(?i)^(?:\\S+(?::\\S*)?@)"
            + "?(?:(?!(?:10|127)(?:\\.\\d{1,3}){3})(?!(?:169\\.254|192\\.168)"
            + "(?:\\.\\d{1,3}){2})(?!172\\.(?:1[6-9]|2\\d|3[0-1])(?:\\.\\d{1,3}){2})(?:[1-9]\\d?|1\\d\\d|2[01]\\d|22[0-3])"
            + "(?:\\.(?:1?\\d{1,2}|2[0-4]\\d|25[0-5])){2}(?:\\.(?:[1-9]\\d?|1\\d\\d|2[0-4]\\d|25[0-4]))|"

            //DOMAIN
            + "(?:(?:[a-z\\u00a1-\\uffff0-9]-*)*[a-z\\u00a1-\\uffff0-9]+|\\*)"
            + "(?:\\.(?:[a-z\\u00a1-\\uffff0-9]-*)*[a-z\\u00a1-\\uffff0-9]+)*"
            //

            + "(?:\\.(?:[a-z\\u00a1-\\uffff]{2,}))\\.?)"
            + "(?::\\d{2,5})?(?:[/?#]\\S*)?$");

    Matcher _matcher = REGEX.matcher(str);
    if(_matcher.find()){
        System.out.println("[O] " + str);
    }
    else {
        System.out.println("[X]" + str);
    }
}

public void validate(){
    System.out.println("TEST START");
    this.regexValidator("https://www.google.com");
    this.regexValidator("www.google.com");
    this.regexValidator("google.com");
    this.regexValidator("*.google.com");
    this.regexValidator("*.com");
    System.out.println("DONE");
}

测试启动 X O www.google.com O google.com O *.google.com O *.com 完成

需要任何帮助。谢谢。

Answer 1

我现在无法访问Java，因此如果这里有错误，请随时纠正我。

您需要更新regex以包含通配符。考虑到这件事有多复杂，这可不是件小事。

，让我们首先分析一下您拥有的正则表达式：

(?i)
^
    (?:
        (?:
            https?|ftp
        )
        ://
    )
    (?:
        \S+
        (?:
            :\S*
        )?
        @
    )?
    (?:
        (?!
            (?:
                10|127
            )
            (?:
                \.\d{1,3}
            ){3}
        )
        (?!
            (?:
                169\.254|192\.168
            )
            (?:
                \.\d{1,3}
            ){2}
        )
        (?!
            172\.
            (?:
                1[6-9]|2\d|3[0-1]
            )
            (?:
                \.\d{1,3}
            ){2}
        )
        (?:
            [1-9]\d?|1\d\d|2[01]\d|22[0-3]
        )
        (?:
            \.
            (?:
                1?\d{1,2}|2[0-4]\d|25[0-5]
            )
        ){2}
        (?:
            \.
            (?:
                [1-9]\d?|1\d\d|2[0-4]\d|25[0-4]
            )
        )
        |
        (?:
            (?:
                [a-z\u00a1-\uffff0-9]-*
            )*
            [a-z\u00a1-\uffff0-9]+
        )
        (?:
            \.
            (?:
                [a-z\u00a1-\uffff0-9]-*
            )*
            [a-z\u00a1-\uffff0-9]+
        )*
        (?:
            \.
            (?:
                [a-z\u00a1-\uffff]{2,}
            )
        )
        \.?
    )
    (?:
        :\d{2,5}
    )?
    (?:
        [/?#]\S*
    )?
$

现在我们可以看到方案的组、用户名/密码对(带有@字符的组)、域本身的大组、端口组和可能的路径、查询或片段部分的组。大组可以分为两个部分(由| ( or )分隔)，第一部分是IP地址，具有不允许本地IP的负面外观，后者用于命名域，由一个或多个被点分隔的部分组成，最后是TLD。

，那么您需要做什么才能允许通配符呢？在您希望允许的每个组中添加一个通配符字符(*或%)，以便被通配符替换：

如果要允许方案的通配符，请在这里添加一个：

    (?:
        (?:
            https?|ftp
            |\*    <-----
        )
        ://
    )

如果希望允许用户名和/或密码部分通配符，则不需要做任何操作，正则表达式已经允许任何非空格字符，因此*:*@或*@已经有效。

如果希望允许域名的通配符，请在这里添加它们：

        (?:
            (?:
                [a-z\u00a1-\uffff0-9]-*
            )*
            [a-z\u00a1-\uffff0-9]+
            |\*    <-----
        )
        (?:
            \.
            (?:
                [a-z\u00a1-\uffff0-9]-*
            )*
            [a-z\u00a1-\uffff0-9]+
            |\.\*    <-----
        )*

如果要允许TLD的通配符，请在这里添加一个：

        (?:
            \.
            (?:
                [a-z\u00a1-\uffff]{2,}
                |\*    <-----
            )
        )

如果要允许端口的通配符，请在这里添加一个：

    (?:
        :\d{2,5}
        |:\*    <-----
    )?

如果希望为paths允许通配符，则不需要执行任何操作，因为正则表达式已经涵盖了这些操作(/*和/*/*/foobar等已经有效)。

最后，但并非最不重要的是，如果您希望允许方案和域名通配符一起使用(如您的示例中所示)，则需要添加一个新组并在以下内容中对其进行OR：

    |
    (?:
        \*
        \.
        (?:
            [a-z\u00a1-\uffff]{2,}
        )
    )
    (?:
        :\d{2,5}
    )?
    (?:
        [/?#]\S*
    )?

基本上，只需将其添加到最后一个组后面和$符号之前即可。如果需要，请不要忘记向TLD和/或端口添加通配符。