URL 的 PHP 验证/正则表达式

Posted 2023-02-22

技术标签:

【中文标题】URL 的 PHP 验证/正则表达式【英文标题】：PHP validation/regex for URL 【发布时间】：2010-09-17 09:21:49 【问题描述】：

我一直在寻找一个简单的 URL 正则表达式，有没有人有一个很好用的方便的？我没有找到一个带有 zend 框架验证类的类，并且已经看到了几个实现。

【问题讨论】：

这是一个很好的资源。列出了许多不同的模式和测试：mathiasbynens.be/demo/url-regex 【参考方案1】：

使用filter_var()函数验证字符串是否为URL：

var_dump(filter_var('example.com', FILTER_VALIDATE_URL));

在不必要的时候使用正则表达式是不好的做法。

编辑：小心，这个解决方案不是 unicode 安全的，也不是 XSS 安全的。如果您需要复杂的验证，也许最好去别处看看。

【讨论】：

在 5.2.13（我认为是 5.3.2）中存在一个错误，它会阻止带有破折号的网址使用此方法进行验证。 filter_var 将拒绝test-site.com，我的域名带有破折号，无论它们是否有效。我不认为 filter_var 是验证 url 的最佳方式。它将允许像 http://www 这样的网址 > 它将允许像'www'这样的URL 像'localhost'这样的URL 就可以了这种方法的另一个问题是它不是 unicode 安全的。 FILTER_VALIDATE_URL 有 a lot of problems 需要修复。此外，docs describing the flags 不反映 actual source code 对某些标志的引用已被完全删除。更多信息在这里：news.php.net/php.internals/99018【参考方案2】：

我在几个项目中使用了它，我相信我没有遇到问题，但我确信它并不详尽：

$text = preg_replace(
  '#((https?|ftp)://(\S*?\.\S*?))([\s)\[\],;"\':<]|\.\s|$)#i',
  "'<a href=\"$1\" target=\"_blank\">$3</a>$4'",
  $text
);

末尾的大部分随机垃圾都是为了处理句子中的http://domain.com.之类的情况（避免匹配尾随句点）。我确信它可以被清理，但因为它有效。我或多或少只是将它从一个项目复制到另一个项目。

【讨论】：

一些让我大吃一惊的事情：在需要字符类的地方使用交替（每个选项都匹配一个字符）；并且替换不应该需要外部双引号（它们只是因为正则表达式上无意义的 /e 修饰符才需要）。 @John Scipione：google.com 只是一个有效的相对 URL 路径，而不是一个有效的绝对 URL。我认为这就是他正在寻找的。span> 这在这种情况下不起作用 - 它包括结尾的 ": 3 cantari noi in albumul audio.resursecrestine.ro/cantece/index-autori/andrei-rosu/…> @Softy 类似http://example.com/somedir/... 是一个完全合法的 URL，要求提供名为 ... 的文件 - 这是一个合法的文件名。我正在使用 Zend\Validator\Regex 使用您的模式验证 url，但它仍然检测到 http://www.example 有效【参考方案3】：

根据 PHP 手册 - parse_url 应该不用于验证 URL。

不幸的是，filter_var('example.com', FILTER_VALIDATE_URL) 似乎并没有表现得更好。

parse_url() 和 filter_var() 都会传递格式错误的 URL，例如 http://...

因此在这种情况下 - 正则表达式是更好的方法。

【讨论】：

这个论点不成立。如果 FILTER_VALIDATE_URL 比您想要的稍微宽松一点，请添加一些额外的检查来处理这些边缘情况。通过您自己尝试针对 url 的正则表达式来重新发明***只会让您远离完整的检查。查看此页面上所有被击落的正则表达式，了解为什么 - 不 - 编写自己的示例。你说得对，查尔瓦克。诸如 URL 之类的正则表达式可能（根据其他响应）很难正确处理。正则表达式并不总是答案。相反，正则表达式也不总是错误的答案。重要的一点是为工作选择正确的工具（正则表达式或其他），而不是专门“反”或“专业”正则表达式。事后看来，您使用 filter_var 并结合其边缘情况的约束的答案看起来是更好的答案（特别是当正则表达式答案开始超过 100 个字符左右时 - 使所述正则表达式的维护成为一场噩梦）【参考方案4】：

以防万一您想知道该 url 是否真的存在：

function url_exist($url)//se passar a URL existe
    $c=curl_init();
    curl_setopt($c,CURLOPT_URL,$url);
    curl_setopt($c,CURLOPT_HEADER,1);//get the header
    curl_setopt($c,CURLOPT_NOBODY,1);//and *only* get the header
    curl_setopt($c,CURLOPT_RETURNTRANSFER,1);//get the response as a string from curl_exec(), rather than echoing it
    curl_setopt($c,CURLOPT_FRESH_CONNECT,1);//don't use a cached version of the url
    if(!curl_exec($c))
        //echo $url.' inexists';
        return false;
    else
        //echo $url.' exists';
        return true;
    
    //$httpcode=curl_getinfo($c,CURLINFO_HTTP_CODE);
    //return ($httpcode<400);

【讨论】：

在实际验证 url 是否真实之前，我仍然会在 $url 上进行某种验证，因为上述操作很昂贵 - 可能长达 200 毫秒，具体取决于文件大小。在某些情况下，url 可能实际上在其位置上还没有可用的资源（例如，为尚未上传的图像创建 url）。此外，您没有使用缓存版本，因此它不像 file_exists() 那样会缓存文件上的统计信息并几乎立即返回。您提供的解决方案仍然有用。为什么不直接使用fopen($url, 'r')？谢谢，正是我想要的。但是，我在尝试使用它时犯了一个错误。该函数是“url_exist”而不是“url_exists”哎呀;-) 直接访问用户输入的网址有安全隐患吗？您想添加检查是否找到 404：

 $httpCode = curl_getinfo( $c, CURLINFO_HTTP_CODE ); //回显 $url . ' ' 。 $http代码。 '<br>'; if( $httpCode == 404 )  echo $url.' 404';

根本不安全。任何输入的 URL 都会被主动访问。【参考方案5】：

根据 约翰·格鲁伯（大胆的火球）：

正则表达式：

(?i)\b((?:https?://|www\d0,3[.]|[a-z0-9.\-]+[.][a-z]2,4/)(?:[^\s()<>]+|\(([^\s()<>]+|(\([^\s()<>]+\)))*\))+(?:\(([^\s()<>]+|(\([^\s()<>]+\)))*\)|[^\s`!()\[\];:'\".,<>?«»“”‘’]))

在 preg_match() 中使用：

preg_match("/(?i)\b((?:https?://|www\d0,3[.]|[a-z0-9.\-]+[.][a-z]2,4/)(?:[^\s()<>]+|\(([^\s()<>]+|(\([^\s()<>]+\)))*\))+(?:\(([^\s()<>]+|(\([^\s()<>]+\)))*\)|[^\s`!()\[\];:'\".,<>?«»“”‘’]))/", $url)

这是扩展的正则表达式模式（使用 cmets）：

(?xi)
\b
(                       # Capture 1: entire matched URL
  (?:
    https?://               # http or https protocol
    |                       #   or
    www\d0,3[.]           # "www.", "www1.", "www2." … "www999."
    |                           #   or
    [a-z0-9.\-]+[.][a-z]2,4/  # looks like domain name followed by a slash
  )
  (?:                       # One or more:
    [^\s()<>]+                  # Run of non-space, non-()<>
    |                           #   or
    \(([^\s()<>]+|(\([^\s()<>]+\)))*\)  # balanced parens, up to 2 levels
  )+
  (?:                       # End with:
    \(([^\s()<>]+|(\([^\s()<>]+\)))*\)  # balanced parens, up to 2 levels
    |                               #   or
    [^\s`!()\[\];:'".,<>?«»“”‘’]        # not a space or one of these punct chars
  )
)

更多详情请看： http://daringfireball.net/2010/07/improved_regex_for_matching_urls

【讨论】：

为了工作，该模式需要在三点用反斜杠转义正斜杠： preg_match("/(?i)\b((?:https?:\/\/|www\d 0,3[.]|[a-z0-9.\-]+[.][az]2,4\/)(?:[^\s()]+|(( [^\s()]+|(([^\s()]+)))*))+(?:(([^\s()]+|(([^ \s()]+)))*)|[^\s`!()[];:'\".,?«»“”'']))/", $url )【参考方案6】：

我不认为在这种情况下使用正则表达式是一件明智的事情。不可能匹配所有的可能性，即使你做到了，仍然有可能 url 根本不存在。

这是一个非常简单的方法来测试 url 是否真的存在并且是否可读：

if (preg_match("#^https?://.+#", $link) and @fopen($link,"r")) echo "OK";

（如果没有preg_match，那么这也会验证您服务器上的所有文件名）

【讨论】：

【参考方案7】：

我用这个很成功——我不记得我是从哪里弄来的

$pattern = "/\b(?:(?:https?|ftp):\/\/|www\.)[-a-z0-9+&@#\/%?=~_|!:,.;]*[-a-z0-9+&@#\/%=~_|]/i";

【讨论】：

^(http://|https://)?(([a-z0-9]?([-a-z0-9]*[a-z0-9]+) ?)1,63\.)+[az]2,6（可能太贪心了，目前还不确定，但在协议和领先的www上更灵活）【参考方案8】：

    function validateURL($URL) 
      $pattern_1 = "/^(http|https|ftp):\/\/(([A-Z0-9][A-Z0-9_-]*)(\.[A-Z0-9][A-Z0-9_-]*)+.(com|org|net|dk|at|us|tv|info|uk|co.uk|biz|se)$)(:(\d+))?\/?/i";
      $pattern_2 = "/^(www)((\.[A-Z0-9][A-Z0-9_-]*)+.(com|org|net|dk|at|us|tv|info|uk|co.uk|biz|se)$)(:(\d+))?\/?/i";       
      if(preg_match($pattern_1, $URL) || preg_match($pattern_2, $URL))
        return true;
       else
        return false;

【讨论】：

不适用于以下链接：'www.w3schools.com/home/3/?a=l'【参考方案9】：

最适合我的 URL 正则表达式：

function valid_URL($url)
    return preg_match('%^(?:(?:https?|ftp)://)(?:\S+(?::\S*)?@|\d1,3(?:\.\d1,3)3|(?:(?:[a-z\d\x00a1-\xffff]+-?)*[a-z\d\x00a1-\xffff]+)(?:\.(?:[a-z\d\x00a1-\xffff]+-?)*[a-z\d\x00a1-\xffff]+)*(?:\.[a-z\x00a1-\xffff]2,6))(?::\d+)?(?:[^\s]*)?$%iu', $url);

例子：

valid_URL('https://twitter.com'); // true
valid_URL('http://twitter.com');  // true
valid_URL('http://twitter.co');   // true
valid_URL('http://t.co');         // true
valid_URL('http://twitter.c');    // false
valid_URL('htt://twitter.com');   // false

valid_URL('http://example.com/?a=1&b=2&c=3'); // true
valid_URL('http://127.0.0.1');    // true
valid_URL('');                    // false
valid_URL(1);                     // false

来源：http://urlregex.com/

【讨论】：

【参考方案10】：

编辑： 正如incidence 指出的那样，此代码已随着 PHP 5.3.0 (2009-06-30) 的发布而被弃用，应相应地使用。

只有我的两分钱，但我已经开发了这个功能，并且已经成功使用了一段时间。它有很好的文档记录和分离，因此您可以轻松更改它。

// Checks if string is a URL
// @param string $url
// @return bool
function isURL($url = NULL) 
    if($url==NULL) return false;

    $protocol = '(http://|https://)';
    $allowed = '([a-z0-9]([-a-z0-9]*[a-z0-9]+)?)';

    $regex = "^". $protocol . // must include the protocol
             '(' . $allowed . '1,63\.)+'. // 1 or several sub domains with a max of 63 chars
             '[a-z]' . '2,6'; // followed by a TLD
    if(eregi($regex, $url)==true) return true;
    else return false;

【讨论】：

Eregi 将在 PHP 6.0.0 中被移除。带有“öäåø”的域将无法通过您的功能进行验证。您可能应该先将 URL 转换为 punycode？span> @incidence 绝对同意。我在 3 月写了这篇文章，PHP 5.3 仅在 6 月下旬发布，将 eregi 设置为已弃用。谢谢你。将编辑和更新。如果我错了，请纠正我，但我们仍然可以假设 TLD 至少有 2 个字符，最多有 6 个字符吗？ @YzmirRamirez（这么多年过去了……）如果您在写评论时有任何疑问，现在肯定不会有任何疑问，现在使用 .photography 等***域名 @NickRice 你是对的......网络在 5 年内发生了多少变化。现在我迫不及待地等到有人制作 TLD .supercalifragilisticexpialidocious【参考方案11】：

这就是你的答案 =) 试着打破它，你不能！！！

function link_validate_url($text) 
$LINK_DOMAINS = 'aero|arpa|asia|biz|com|cat|coop|edu|gov|info|int|jobs|mil|museum|name|nato|net|org|pro|travel|mobi|local';
  $LINK_ICHARS_DOMAIN = (string) html_entity_decode(implode("", array( // @TODO completing letters ...
    "&#x00E6;", // æ
    "&#x00C6;", // Æ
    "&#x00C0;", // À
    "&#x00E0;", // à
    "&#x00C1;", // Á
    "&#x00E1;", // á
    "&#x00C2;", // Â
    "&#x00E2;", // â
    "&#x00E5;", // å
    "&#x00C5;", // Å
    "&#x00E4;", // ä
    "&#x00C4;", // Ä
    "&#x00C7;", // Ç
    "&#x00E7;", // ç
    "&#x00D0;", // Ð
    "&#x00F0;", // ð
    "&#x00C8;", // È
    "&#x00E8;", // è
    "&#x00C9;", // É
    "&#x00E9;", // é
    "&#x00CA;", // Ê
    "&#x00EA;", // ê
    "&#x00CB;", // Ë
    "&#x00EB;", // ë
    "&#x00CE;", // Î
    "&#x00EE;", // î
    "&#x00CF;", // Ï
    "&#x00EF;", // ï
    "&#x00F8;", // ø
    "&#x00D8;", // Ø
    "&#x00F6;", // ö
    "&#x00D6;", // Ö
    "&#x00D4;", // Ô
    "&#x00F4;", // ô
    "&#x00D5;", // Õ
    "&#x00F5;", // õ
    "&#x0152;", // Œ
    "&#x0153;", // œ
    "&#x00FC;", // ü
    "&#x00DC;", // Ü
    "&#x00D9;", // Ù
    "&#x00F9;", // ù
    "&#x00DB;", // Û
    "&#x00FB;", // û
    "&#x0178;", // Ÿ
    "&#x00FF;", // ÿ 
    "&#x00D1;", // Ñ
    "&#x00F1;", // ñ
    "&#x00FE;", // þ
    "&#x00DE;", // Þ
    "&#x00FD;", // ý
    "&#x00DD;", // Ý
    "&#x00BF;", // ¿
  )), ENT_QUOTES, 'UTF-8');

  $LINK_ICHARS = $LINK_ICHARS_DOMAIN . (string) html_entity_decode(implode("", array(
    "&#x00DF;", // ß
  )), ENT_QUOTES, 'UTF-8');
  $allowed_protocols = array('http', 'https', 'ftp', 'news', 'nntp', 'telnet', 'mailto', 'irc', 'ssh', 'sftp', 'webcal');

  // Starting a parenthesis group with (?: means that it is grouped, but is not captured
  $protocol = '((?:'. implode("|", $allowed_protocols) .'):\/\/)';
  $authentication = "(?:(?:(?:[\w\.\-\+!$&'\(\)*\+,;=" . $LINK_ICHARS . "]|%[0-9a-f]2)+(?::(?:[\w". $LINK_ICHARS ."\.\-\+%!$&'\(\)*\+,;=]|%[0-9a-f]2)*)?)?@)";
  $domain = '(?:(?:[a-z0-9' . $LINK_ICHARS_DOMAIN . ']([a-z0-9'. $LINK_ICHARS_DOMAIN . '\-_\[\]])*)(\.(([a-z0-9' . $LINK_ICHARS_DOMAIN . '\-_\[\]])+\.)*('. $LINK_DOMAINS .'|[a-z]2))?)';
  $ipv4 = '(?:[0-9]1,3(\.[0-9]1,3)3)';
  $ipv6 = '(?:[0-9a-fA-F]1,4(\:[0-9a-fA-F]1,4)7)';
  $port = '(?::([0-9]1,5))';

  // Pattern specific to external links.
  $external_pattern = '/^'. $protocol .'?'. $authentication .'?('. $domain .'|'. $ipv4 .'|'. $ipv6 .' |localhost)'. $port .'?';

  // Pattern specific to internal links.
  $internal_pattern = "/^(?:[a-z0-9". $LINK_ICHARS ."_\-+\[\]]+)";
  $internal_pattern_file = "/^(?:[a-z0-9". $LINK_ICHARS ."_\-+\[\]\.]+)$/i";

  $directories = "(?:\/[a-z0-9". $LINK_ICHARS ."_\-\.~+%=&,$'#!():;*@\[\]]*)*";
  // Yes, four backslashes == a single backslash.
  $query = "(?:\/?\?([?a-z0-9". $LINK_ICHARS ."+_|\-\.~\/\\\\%=&,$'():;*@\[\] ]*))";
  $anchor = "(?:#[a-z0-9". $LINK_ICHARS ."_\-\.~+%=&,$'():;*@\[\]\/\?]*)";

  // The rest of the path for a standard URL.
  $end = $directories .'?'. $query .'?'. $anchor .'?'.'$/i';

  $message_id = '[^@].*@'. $domain;
  $newsgroup_name = '(?:[0-9a-z+-]*\.)*[0-9a-z+-]*';
  $news_pattern = '/^news:('. $newsgroup_name .'|'. $message_id .')$/i';

  $user = '[a-zA-Z0-9'. $LINK_ICHARS .'_\-\.\+\^!#\$%&*+\/\=\?\`\|\\~\'\[\]]+';
  $email_pattern = '/^mailto:'. $user .'@'.'(?:'. $domain .'|'. $ipv4 .'|'. $ipv6 .'|localhost)'. $query .'?$/';

  if (strpos($text, '<front>') === 0) 
    return false;
  
  if (in_array('mailto', $allowed_protocols) && preg_match($email_pattern, $text)) 
    return false;
  
  if (in_array('news', $allowed_protocols) && preg_match($news_pattern, $text)) 
    return false;
  
  if (preg_match($internal_pattern . $end, $text)) 
    return false;
  
  if (preg_match($external_pattern . $end, $text)) 
    return false;
  
  if (preg_match($internal_pattern_file, $text)) 
    return false;
  

  return true;

【讨论】：

还有很多top level domains。你的.，?，+，^，，，=，|，$，和@32tick @ 不需要在你的字符类中转义。 + 甚至在您的一个角色类别中重复出现。 : 不需要转义。【参考方案12】：

function is_valid_url ($url="") 

        if ($url=="") 
            $url=$this->url;
        

        $url = @parse_url($url);

        if ( ! $url) 


            return false;
        

        $url = array_map('trim', $url);
        $url['port'] = (!isset($url['port'])) ? 80 : (int)$url['port'];
        $path = (isset($url['path'])) ? $url['path'] : '';

        if ($path == '') 
            $path = '/';
        

        $path .= ( isset ( $url['query'] ) ) ? "?$url[query]" : '';



        if ( isset ( $url['host'] ) AND $url['host'] != gethostbyname ( $url['host'] ) ) 
            if ( PHP_VERSION >= 5 ) 
                $headers = get_headers("$url[scheme]://$url[host]:$url[port]$path");
            
            else 
                $fp = fsockopen($url['host'], $url['port'], $errno, $errstr, 30);

                if ( ! $fp ) 
                    return false;
                
                fputs($fp, "HEAD $path HTTP/1.1\r\nHost: $url[host]\r\n\r\n");
                $headers = fread ( $fp, 128 );
                fclose ( $fp );
            
            $headers = ( is_array ( $headers ) ) ? implode ( "\n", $headers ) : $headers;
            return ( bool ) preg_match ( '#^HTTP/.*\s+[(200|301|302)]+\s#i', $headers );
        

        return false;

【讨论】：

您好，这个解决方案很好，我赞成，但它没有考虑到 https 的标准端口：--建议您只需将 80 替换为 '' 即可解决端口我最终实现了一个变体，因为我的域关心 URL 是否实际存在:)【参考方案13】：

启发 in this .NET *** question 和 in this referenced article from that question 有这个 URI 验证器（URI 表示它同时验证 URL 和 URN）。

if( ! preg_match( "/^([a-z][a-z0-9+.-]*):(?:\\/\\/((?:(?=((?:[a-z0-9-._~!$&'()*+,;=:]|%[0-9A-F]2)*))(\\3)@)?(?=(\\[[0-9A-F:.]2,\\]|(?:[a-z0-9-._~!$&'()*+,;=]|%[0-9A-F]2)*))\\5(?::(?=(\\d*))\\6)?)(\\/(?=((?:[a-z0-9-._~!$&'()*+,;=:@\\/]|%[0-9A-F]2)*))\\8)?|(\\/?(?!\\/)(?=((?:[a-z0-9-._~!$&'()*+,;=:@\\/]|%[0-9A-F]2)*))\\10)?)(?:\\?(?=((?:[a-z0-9-._~!$&'()*+,;=:@\\/?]|%[0-9A-F]2)*))\\11)?(?:#(?=((?:[a-z0-9-._~!$&'()*+,;=:@\\/?]|%[0-9A-F]2)*))\\12)?$/i", $uri ) )

    throw new \RuntimeException( "URI has not a valid format." );

我已经成功地在一个名为 Uri 并由 UriTest 测试的 ValueObject 中对这个函数进行了单元测试。

UriTest.php（包含 URL 和 URN 的有效和无效案例）

<?php

declare( strict_types = 1 );

namespace XaviMontero\ThrasherPortage\Tests\Tour;

use XaviMontero\ThrasherPortage\Tour\Uri;

class UriTest extends \PHPUnit_Framework_TestCase

    private $sut;

    public function testCreationIsOfProperClassWhenUriIsValid()
    
        $sut = new Uri( 'http://example.com' );
        $this->assertInstanceOf( 'XaviMontero\\ThrasherPortage\\Tour\\Uri', $sut );
    

    /**
     * @dataProvider urlIsValidProvider
     * @dataProvider urnIsValidProvider
     */
    public function testGetUriAsStringWhenUriIsValid( string $uri )
    
        $sut = new Uri( $uri );
        $actual = $sut->getUriAsString();

        $this->assertInternalType( 'string', $actual );
        $this->assertEquals( $uri, $actual );
    

    public function urlIsValidProvider()
    
        return
            [
                [ 'http://example-server' ],
                [ 'http://example.com' ],
                [ 'http://example.com/' ],
                [ 'http://subdomain.example.com/path/?parameter1=value1&parameter2=value2' ],
                [ 'random-protocol://example.com' ],
                [ 'http://example.com:80' ],
                [ 'http://example.com?no-path-separator' ],
                [ 'http://example.com/pa%20th/' ],
                [ 'ftp://example.org/resource.txt' ],
                [ 'file://../../../relative/path/needs/protocol/resource.txt' ],
                [ 'http://example.com/#one-fragment' ],
                [ 'http://example.edu:8080#one-fragment' ],
            ];
    

    public function urnIsValidProvider()
    
        return
            [
                [ 'urn:isbn:0-486-27557-4' ],
                [ 'urn:example:mammal:monotreme:echidna' ],
                [ 'urn:mpeg:mpeg7:schema:2001' ],
                [ 'urn:uuid:6e8bc430-9c3a-11d9-9669-0800200c9a66' ],
                [ 'rare-urn:uuid:6e8bc430-9c3a-11d9-9669-0800200c9a66' ],
                [ 'urn:FOO:a123,456' ]
            ];
    

    /**
     * @dataProvider urlIsNotValidProvider
     * @dataProvider urnIsNotValidProvider
     */
    public function testCreationThrowsExceptionWhenUriIsNotValid( string $uri )
    
        $this->expectException( 'RuntimeException' );
        $this->sut = new Uri( $uri );
    

    public function urlIsNotValidProvider()
    
        return
            [
                [ 'only-text' ],
                [ 'http//missing.colon.example.com/path/?parameter1=value1&parameter2=value2' ],
                [ 'missing.protocol.example.com/path/' ],
                [ 'http://example.com\\bad-separator' ],
                [ 'http://example.com|bad-separator' ],
                [ 'ht tp://example.com' ],
                [ 'http://exampl e.com' ],
                [ 'http://example.com/pa th/' ],
                [ '../../../relative/path/needs/protocol/resource.txt' ],
                [ 'http://example.com/#two-fragments#not-allowed' ],
                [ 'http://example.edu:portMustBeANumber#one-fragment' ],
            ];
    

    public function urnIsNotValidProvider()
    
        return
            [
                [ 'urn:mpeg:mpeg7:sch ema:2001' ],
                [ 'urn|mpeg:mpeg7:schema:2001' ],
                [ 'urn?mpeg:mpeg7:schema:2001' ],
                [ 'urn%mpeg:mpeg7:schema:2001' ],
                [ 'urn#mpeg:mpeg7:schema:2001' ],
            ];

Uri.php（值对象）

<?php

declare( strict_types = 1 );

namespace XaviMontero\ThrasherPortage\Tour;

class Uri

    /** @var string */
    private $uri;

    public function __construct( string $uri )
    
        $this->assertUriIsCorrect( $uri );
        $this->uri = $uri;
    

    public function getUriAsString()
    
        return $this->uri;
    

    private function assertUriIsCorrect( string $uri )
    
        // https://***.com/questions/30847/regex-to-validate-uris
        // http://snipplr.com/view/6889/regular-expressions-for-uri-validationparsing/

        if( ! preg_match( "/^([a-z][a-z0-9+.-]*):(?:\\/\\/((?:(?=((?:[a-z0-9-._~!$&'()*+,;=:]|%[0-9A-F]2)*))(\\3)@)?(?=(\\[[0-9A-F:.]2,\\]|(?:[a-z0-9-._~!$&'()*+,;=]|%[0-9A-F]2)*))\\5(?::(?=(\\d*))\\6)?)(\\/(?=((?:[a-z0-9-._~!$&'()*+,;=:@\\/]|%[0-9A-F]2)*))\\8)?|(\\/?(?!\\/)(?=((?:[a-z0-9-._~!$&'()*+,;=:@\\/]|%[0-9A-F]2)*))\\10)?)(?:\\?(?=((?:[a-z0-9-._~!$&'()*+,;=:@\\/?]|%[0-9A-F]2)*))\\11)?(?:#(?=((?:[a-z0-9-._~!$&'()*+,;=:@\\/?]|%[0-9A-F]2)*))\\12)?$/i", $uri ) )
        
            throw new \RuntimeException( "URI has not a valid format." );

运行单元测试

46 个测试中有 65 个断言。 注意：有 2 个数据提供者用于有效表达式，另外 2 个用于无效表达式。一个用于 URL，另一个用于 URN。如果您使用的是 v5.6* 或更早版本的 PhpUnit，则需要将两个数据提供者合并为一个。

xavi@bromo:~/custom_www/hello-trip/mutant-migrant$ vendor/bin/phpunit
PHPUnit 5.7.3 by Sebastian Bergmann and contributors.

..............................................                    46 / 46 (100%)

Time: 82 ms, Memory: 4.00MB

OK (46 tests, 65 assertions)

代码覆盖率

在这个示例 URI 检查器中有 100% 的代码覆盖率。

【讨论】：

【参考方案14】：

"/(http(s?):\/\/)([a-z0-9\-]+\.)+[a-z]2,4(\.[a-z]2,4)*(\/[^ ]+)*/i"

(http(s?)://) 表示 http:// 或 https://

([a-z0-9-]+.)+ => 2.0[a-z0-9-] 表示任何 a-z 字符或任何 0-9 或 (-) 符号)

             2.1 (+) means the character can be one or more ex: a1w, 
                 a9-,c559s, f)

             2.2 \. is (.)sign

             2.3. the (+) sign after ([a-z0-9\-]+\.) mean do 2.1,2.2,2.3 
                at least 1 time 
              ex: abc.defgh0.ig, aa.b.ced.f.gh. also in case www.yyy.com

             3.[a-z]2,4 mean a-z at least 2 character but not more than 
                          4 characters for check that there will not be 
                          the case 
                          ex: https://www.google.co.kr.asdsdagfsdfsf

             4.(\.[a-z]2,4)*(\/[^ ]+)* mean 

               4.1 \.[a-z]2,4 means like number 3 but start with 
                   (.)sign 

               4.2 * means (\.[a-z]2,4)can be use or not use never mind

               4.3 \/ means \
               4.4 [^ ] means any character except blank
               4.5 (+) means do 4.3,4.4,4.5 at least 1 times
               4.6 (*) after (\/[^ ]+) mean use 4.3 - 4.5 or not use 
                   no problem

               use for case https://***.com/posts/51441301/edit

               5. when you use regex write in "/ /" so it come

"/(http(s?)://)([a-z0-9-]+.)+[az]2,4(.[az]2,4) (/[^ ]+)/i"

               6. almost forgot: letter i on the back mean ignore case of 
                  Big letter or small letter ex: A same as a, SoRRy same 
                  as sorry.

注意：抱歉英语不好。我的国家用得不好。

【讨论】：

你注意到这个问题有多老了吗？请解释你的正则表达式，不知道的用户如果没有细节将很难理解。【参考方案15】：

好的，所以这比简单的正则表达式要复杂一些，但它允许不同类型的 url。

例子：

google.com www.microsoft.com/ http://www.yahoo.com/ https://www.bandcamp.com/artist/#!someone-special!

所有应该被标记为有效的。

function is_valid_url($url) 
    // First check: is the url just a domain name? (allow a slash at the end)
    $_domain_regex = "|^[A-Za-z0-9-]+(\.[A-Za-z0-9-]+)*(\.[A-Za-z]2,)/?$|";
    if (preg_match($_domain_regex, $url)) 
        return true;
    

    // Second: Check if it's a url with a scheme and all
    $_regex = '#^([a-z][\w-]+:(?:/1,3|[a-z0-9%])|www\d0,3[.]|[a-z0-9.\-]+[.][a-z]2,4/)(?:[^\s()<>]+|\(([^\s()<>]+|(\([^\s()<>]+\)))*\))$#';
    if (preg_match($_regex, $url, $matches)) 
        // pull out the domain name, and make sure that the domain is valid.
        $_parts = parse_url($url);
        if (!in_array($_parts['scheme'], array( 'http', 'https' )))
            return false;

        // Check the domain using the regex, stops domains like "-example.com" passing through
        if (!preg_match($_domain_regex, $_parts['host']))
            return false;

        // This domain looks pretty valid. Only way to check it now is to download it!
        return true;
    

    return false;

请注意，您要允许的协议有一个 in_array 检查（目前该列表中只有 http 和 https）。

var_dump(is_valid_url('google.com'));         // true
var_dump(is_valid_url('google.com/'));        // true
var_dump(is_valid_url('http://google.com'));  // true
var_dump(is_valid_url('http://google.com/')); // true
var_dump(is_valid_url('https://google.com')); // true

【讨论】：

抛出：ErrorException：未定义的索引：如果协议未指定，我建议检查是否已设置。 @user3396065，你能提供一个抛出这个的示例输入吗？【参考方案16】：

对于使用 WordPress 开发的任何人，只需使用

esc_url_raw($url) === $url

验证 URL (here's WordPress' documentation on esc_url_raw)。它处理 URL 比 filter_var($url, FILTER_VALIDATE_URL) 好得多，因为它是 unicode 和 XSS 安全的。 (Here is a good article mentioning all the problems with filter_var)。

【讨论】：

【参考方案17】：

Peter 的正则表达式在我看来不正确，原因有很多。它允许域名中的各种特殊字符，并且不需要太多测试。

Frankie 的函数对我来说看起来不错，如果您不想要函数，可以从组件构建一个好的正则表达式，如下所示：

^(http://|https://)(([a-z0-9]([-a-z0-9]*[a-z0-9]+)?)1,63\.)+[a-z]2,6

未经测试，但我认为应该可以。

另外，欧文的回答看起来也不是 100%。我取了正则表达式的域部分，并在正则表达式测试工具http://erik.eae.net/playground/regexp/regexp.html 上对其进行了测试

我把下面这行：

(\S*?\.\S*?)

在“正则表达式”部分和以下行：

-hello.com

在“示例文本”部分下。

结果允许减号通过。因为 \S 表示任何非空格字符。

注意 Frankie 的正则表达式处理减号，因为它的第一个字符有这个部分：

[a-z0-9]

不允许使用减号或任何其他特殊字符。

【讨论】：

【参考方案18】：

这是我的做法。但我想提醒一下，我对正则表达式并不那么放心。但它应该对你有用:)

$pattern = "#((http|https)://(\S*?\.\S*?))(\s|\;|\)|\]|\[|\|\|,|”|\"|'|:|\<|$|\.\s)#i";
        $text = preg_replace_callback($pattern,function($m)
                return "<a href=\"$m[1]\" target=\"_blank\">$m[1]</a>$m[4]";
            ,
            $text);

这样你就不需要在你的模式上使用 eval 标记了。

希望对你有帮助:)

【讨论】：

(http|https) 更简单的是https?。在这种模式中过度使用管道会对可读性和简洁性产生负面影响。模式中的许多转义字符不需要转义。【参考方案19】：

这是一个使用 RegEx 的 URL Validation 简单类，然后将域与流行的 RBL（实时黑洞列表）服务器交叉引用：

安装：

require 'URLValidation.php';

用法：

require 'URLValidation.php';
$urlVal = new UrlValidation(); //Create Object Instance

添加一个 URL 作为domain() 方法的参数并检查返回。

$urlArray = ['http://www.bokranzr.com/test.php?test=foo&test=dfdf', 'https://en-gb.facebook.com', 'https://www.google.com'];
foreach ($urlArray as $k=>$v) 

    echo var_dump($urlVal->domain($v)) . ' URL: ' . $v . '<br>';

输出：

bool(false) URL: http://www.bokranzr.com/test.php?test=foo&test=dfdf
bool(true) URL: https://en-gb.facebook.com
bool(true) URL: https://www.google.com

正如您在上面看到的，www.bokranzr.com 通过 RBL 被列为恶意网站，因此该域被返回为 false。

【讨论】：

【参考方案20】：

我发现这对于匹配 URL 最有用..

^(https?:\/\/)?([\da-z\.-]+)\.([a-z\.]2,6)([\/\w \.-]*)*\/?$

【讨论】：

会匹配以ftp: 开头的网址吗？ /^(https?:\/\/)?([\da-z\.-]+)\.([az\.]2,6)([\/ \w \.-]*)*\/?$/【参考方案21】：

有一个 PHP 原生函数可以做到这一点：

$url = 'http://www.yoururl.co.uk/sub1/sub2/?param=1&param2/';

if ( ! filter_var( $url, FILTER_VALIDATE_URL ) ) 
    // Wrong

else 
    // Valid

返回过滤后的数据，如果过滤失败则返回 FALSE。

Check it here

【讨论】：

这个答案重复了 2008 年的一个答案！

以上是关于URL 的 PHP 验证/正则表达式的主要内容，如果未能解决你的问题，请参考以下文章