我一直在寻找一个简单的URL正则表达式，有没有人手头上有一个很好用的？我在Zend框架验证类中没有找到，但看到过几个不同的实现。
PHP验证/正则表达式用于URL
135
- AndreLiem
1
4这是一个相当不错的资源。提供了许多不同模式和测试的列表：https://mathiasbynens.be/demo/url-regex - omar j
21个回答
214
使用filter_var()函数验证字符串是否为URL：
var_dump(filter_var('example.com', FILTER_VALIDATE_URL));
如果不必要，使用正则表达式是一种不好的实践。
编辑: 注意，此解决方案不安全且不防止跨站脚本攻击。如果需要进行复杂的验证，可能最好去其他地方寻找。
- Stanislav
17
295.2.13版本（我认为5.3.2版本也是）存在一个问题，使用这种方法无法验证带有破折号的网址。请修复此问题。 - vamin
15filter_var函数将拒绝"http://test-site.com"这样的网址，而我有一些带有破折号的域名，无论它们是否有效。我认为filter_var不是验证URL的最佳方法。它会允许像`http://www`这样的URL。 - Cesar
4允许像 'http://www' 这样的 URL。当 URL 像 'http://localhost' 时也是可以的。 - Stanislav
12这种方法的另一个问题是它不支持Unicode。 - Benji XVI
3FILTER_VALIDATE_URL存在许多需要修复的问题。此外，描述标志的文档未反映实际源代码，其中对某些标志的引用已完全删除。更多信息请参见：http://news.php.net/php.internals/99018 - S. Imp
显示剩余12条评论
86
我在一些项目中使用了它，我不认为遇到过问题，但我肯定它不是穷尽的：
$text = preg_replace(
'#((https?|ftp)://(\S*?\.\S*?))([\s)\[\]{},;"\':<]|\.\s|$)#i',
"'<a href=\"$1\" target=\"_blank\">$3</a>$4'",
$text
);
大部分随机的字符是为了处理句子中的情况，比如http://domain.example.（避免匹配句尾的句号）。虽然我知道它可以被简化，但因为这种方式效果不错，所以我只是将其从一个项目复制到了另一个项目。
- Owen
5
7我注意到一些问题：在需要字符类时使用了替代（每个替代只匹配一个字符）；而且替换部分不应该需要外面的双引号（它们只是因为正则表达式上无意义的 /e 修改符才需要）。 - Alan Moore
1@John Scipione：
google.com 是一个有效的相对 URL 路径，但不是有效的绝对 URL。我认为这就是他正在寻找的。 - Gumbo这种情况下不起作用 - 它包括尾随的“：3 cantari noi in albumul <a href="http://audio.resursecrestine.ro/cantece/index-autori/andrei-rosu/diverse">Diverse</a>”。 - Softy
1@Softy，类似
http://example.com/somedir/... 的 URL 是一个完全合法的 URL，请求名为 ... 的文件 - 这是一个合法的文件名。 - Stephen P我正在使用Zend\Validator\Regex来使用您的模式验证URL，但它仍然将
http://www.example检测为有效。 - Joko Wandiro31
根据PHP手册，不应该使用parse_url来验证URL。
不幸的是，似乎filter_var('example.com', FILTER_VALIDATE_URL)的表现也不太好。
无论是parse_url()还是filter_var()都会通过格式不正确的URL，例如http://...
因此，在这种情况下，正则表达式是更好的方法。
- catchdave
4
11这个论点是站不住脚的。如果FILTER_VALIDATE_URL比您想要的宽松一些，可以添加一些额外的检查来处理这些边缘情况。自己尝试使用正则表达式重写URL检查只会让您离完整检查更远。 - Kzqai
2请查看此页面上所有的拒绝正则表达式，以了解为什么不要编写自己的正则表达式的示例。 - Kzqai
3Tchalvak，你提出了一个很好的观点。在处理URL等内容时，正则表达式（根据其他回答）可能非常难以正确实现。
正则表达式并不总是万能的解决方案。相反，正则表达式也并不总是错误的答案。
重要的是为工作选择正确的工具（无论是正则表达式还是其他工具），而不是特别地“反对”或“支持”正则表达式。事后看来，你的答案是更好的选择，即使用filter_var与其边缘情况的限制相结合（特别是当正则表达式变得超过100个字符时，维护该正则表达式会成为一场噩梦）。 - catchdave
- “filter_var()” 似乎不允许“格式错误的URL，例如
http://...”。（好吧，在2008年可能会允许…）在我的当前测试中，它的表现比建议的正则表达式更好。 - 因为这个答案没有包含实际的正则表达式，所以它没有用。
15
根据John Gruber（Daring Fireball）的说法：
正则表达式：
(?i)\b((?:https?://|www\d{0,3}[.]|[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\d{0,3}[.]|[a-z0-9.\-]+[.][a-z]{2,4}/)(?:[^\s()<>]+|\(([^\s()<>]+|(\([^\s()<>]+\)))*\))+(?:\(([^\s()<>]+|(\([^\s()<>]+\)))*\)|[^\s`!()\[\]{};:'\".,<>?«»“”‘’]))/", $url)
以下是带有注释的扩展正则表达式模式：
(?xi)
\b
( # Capture 1: entire matched URL
(?:
https?:// # http or https protocol
| # or
www\d{0,3}[.] # "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
)
)
欲了解更多详情，请查看： http://daringfireball.net/2010/07/improved_regex_for_matching_urls
- abhiomkar
1
1为了使其正常工作，该模式需要在三个点上使用反斜杠转义正斜杠：preg_match("/(?i)\b((?:https?://|www\d{0,3}[.]|[a-z0-9.-]+[.][a-z]{2,4}/)(?:[^\s()<>]+|(([^\s()<>]+|(([^\s()<>]+)))*))+(?:(([^\s()<>]+|(([^\s()<>]+)))*)|[^\s`!()[]{};:'".,<>?«»“”‘’]))/", $url) - Ben Birney
13
如果您想知道 URL 是否真的存在：
function url_exist($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);
}
- Roger
5
1在实际验证 URL 是否真实存在之前，我仍然会对
$url 进行某种形式的验证，因为上述操作是昂贵的 - 取决于文件大小，可能高达 200 毫秒。在某些情况下，URL 实际上可能没有可用的资源（例如，创建指向尚未上传的图像的 URL）。此外，您没有使用缓存版本，因此不像 file_exists() 那样会缓存文件的状态并几乎立即返回。您提供的解决方案仍然很有用。为什么不直接使用 fopen($url, 'r')？ - Yzmir Ramirez谢谢，这正是我在寻找的。然而，我在尝试使用它时犯了一个错误。函数应该是"url_exist"而不是"url_exists"，呃;-) - PJ Brunet
9直接访问用户输入的URL是否存在安全风险？ - siliconpi
你想要添加一个检查是否发现了404错误的功能：<code>
$httpCode = curl_getinfo( $c, CURLINFO_HTTP_CODE );
//echo $url . ' ' . $httpCode . '<br>';
if( $httpCode == 404 ) {
echo $url.' 404';
}
</code> - Camaleo
根本不安全...任何输入的URL都会被主动访问。 - dmmd
10
我认为在这种情况下使用正则表达式并不明智。无法匹配所有可能性，即使你能匹配上，还是有可能链接根本不存在。
这里有一种非常简单的方法来测试 URL 是否存在并可读：
if (preg_match("#^https?://.+#", $link) and @fopen($link,"r")) echo "OK";
（如果没有 preg_match，这将同时验证您服务器上的所有文件名）
- promaty
8
在我看来最好的URL正则表达式：
function valid_URL($url){
return preg_match('%^(?:(?:https?|ftp)://)(?:\S+(?::\S*)?@|\d{1,3}(?:\.\d{1,3}){3}|(?:(?:[a-z\d\x{00a1}-\x{ffff}]+-?)*[a-z\d\x{00a1}-\x{ffff}]+)(?:\.(?:[a-z\d\x{00a1}-\x{ffff}]+-?)*[a-z\d\x{00a1}-\x{ffff}]+)*(?:\.[a-z\x{00a1}-\x{ffff}]{2,6}))(?::\d+)?(?:[^\s]*)?$%iu', $url);
}
示例：
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
Source: http://urlregex.com/
- Fred Vanelli
8
我曾经使用过这个，效果不错——我不记得它是从哪里得到的。
$pattern = "/\b(?:(?:https?|ftp):\/\/|www\.)[-a-z0-9+&@#\/%?=~_|!:,.;]*[-a-z0-9+&@#\/%=~_|]/i";
- BaileyP
1
^(http://|https://)?(([a-z0-9]?([-a-z0-9]*[a-z0-9]+)?){1,63}.)+[a-z]{2,6}（可能有点贪心，还不确定，但在协议和前导www方面更加灵活） - andrewbadera
7
function validateURL($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, $URL)){
return true;
} else{
return false;
}
}
- Vikash Kumar
1
5
这就是你的答案 =) 试着破解它，你做不到!!!
function link_validate_url($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 ...
"æ", // æ
"Æ", // Æ
"À", // À
"à", // à
"Á", // Á
"á", // á
"Â", // Â
"â", // â
"å", // å
"Å", // Å
"ä", // ä
"Ä", // Ä
"Ç", // Ç
"ç", // ç
"Ð", // Ð
"ð", // ð
"È", // È
"è", // è
"É", // É
"é", // é
"Ê", // Ê
"ê", // ê
"Ë", // Ë
"ë", // ë
"Î", // Î
"î", // î
"Ï", // Ï
"ï", // ï
"ø", // ø
"Ø", // Ø
"ö", // ö
"Ö", // Ö
"Ô", // Ô
"ô", // ô
"Õ", // Õ
"õ", // õ
"Œ", // Œ
"œ", // œ
"ü", // ü
"Ü", // Ü
"Ù", // Ù
"ù", // ù
"Û", // Û
"û", // û
"Ÿ", // Ÿ
"ÿ", // ÿ
"Ñ", // Ñ
"ñ", // ñ
"þ", // þ
"Þ", // Þ
"ý", // ý
"Ý", // Ý
"¿", // ¿
)), ENT_QUOTES, 'UTF-8');
$LINK_ICHARS = $LINK_ICHARS_DOMAIN . (string) html_entity_decode(implode("", array(
"ß", // 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;
}
- George Milonas
2
还有很多更多的顶级域名。 - Jeff Puckett
你的字符类中不需要转义
., ?, +, ^, {, }, =, |, $, backtick 和 [。甚至在你的某个字符类中重复了 +。: 不需要转义。 - mickmackusa网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接