Могу ли я улучшить эту проверку регулярного выражения для действительных доменных имен?

Пожалуйста, пожалуйста, пожалуйста, не используйте фиксированное и ужасно сложное регулярное выражение, подобное этому, для сопоставления с известными доменными именами.

Список TLD не статичен, особенно с учетом того, что ICANN ищет оптимизированный процесс для новых gTLD. Иногда меняется даже список ccTLD!

Взгляните на список, доступный на http://publicsuffix.org/, и напишите код, который можно загрузить и проанализировать этот список вместо этого.

Загрузите это: http://data.iana.org/TLD/tlds-alpha-by-domain.txt

Пример использования (на Python):

import re
def validate(domain):
    valid_domains = [ line.upper().replace('.', '\.').strip() 
                      for line in open('domains.txt') 
                      if line[0] != '#' ]
    r = re.compile(r'^[A-Z0-9\-]{2,63}\.(%s)$' % ('|'.join(valid_domains),))
    return True if r.match(domain.upper()) else False


print validate('stackoverflow.com')
print validate('omnom.nom')

Вы можете исключить построение списка доменов из функции проверки, чтобы повысить производительность.

Возможно, я недостаточно знаю о доменных именах. Но почему совпадают такие домены, как "foo.info.com"? Похоже, что в данном случае доменное имя - «info.com».

И вы можете убедиться, что имя начинается с [a-z \ d]. Не думаю, что можно зарегистрировать домен, который начинается с тире?

Как вы уже написали, часть TLD эквивалентна, но длиннее (\.<tldpart>){1,2}, но я уверен, что ее можно исправить для дублирования ...

edit: yech, нет, это было бы возможно, но, по сути, очень медленный список грубой силы для обработки дубликатов, я думаю. Проще и быстрее поместить возможные пары стран TLD и SLD + в большую хэш-карту и проверить на соответствие подстроку.

Я бы рекомендовал начать с правил, изложенных в RFC 1035, а затем работать в обратном направлении. - но только в том случае, если вам действительно действительно нужно сделать это с нуля. Шаблон регулярного выражения домена должен быть (возможно, вторым после шаблонов регулярных выражений адресов электронной почты) наиболее распространенным явлением. Я бы зашел на сайт regexlib.com и просмотрел, что сделали другие люди.

Вы можете создать регулярное выражение как строку, а затем выполнить Regexp.new (строка).