使用正则表达式验证 Youtube URL

Question

我正在尝试验证我的应用程序的 YouTube 网址。

到目前为止，我有以下内容：

// Set the youtube URL
$youtube_url = "www.youtube.com/watch?v=vpfzjcCzdtCk";

if (preg_match("/((http\:\/\/){0,}(www\.){0,}(youtube\.com){1} || (youtu\.be){1}(\/watch\?v\=[^\s]){1})/", $youtube_url) == 1)
{
    echo "Valid";
else
{
    echo "Invalid";
}

我希望验证以下 Youtube 网址的变体：

• 有和没有 http://
• 有和没有 www。
• 使用网址 youtube.com 和 youtu.be
• 必须有 /watch?v=
• 必须具有唯一的视频字符串（在上面的示例中为“vpfzjcCzdtCk”）

但是，我不认为我的逻辑是正确的，因为由于某种原因它返回 true 为：www.youtube.co/watch?v=vpfzjcCzdtCk（请注意，我用 .co 和不是.com)

Answer 1

请尝试：

// Set the youtube URL
$youtube_url = "www.youtube.com/watch?v=vpfzjcCzdtCk";

if (preg_match("/^((http\:\/\/){0,}(www\.){0,}(youtube\.com){1}|(youtu\.be){1}(\/watch\?v\=[^\s]){1})$/", $youtube_url) == 1)
{
    echo "Valid";
}
else
{
    echo "Invalid";
}

你有||在任何情况下没有 ^$ 都可以。

Answer 2

应该这样做：

$valid = preg_match("/^(https?\:\/\/)?(www\.)?(youtube\.com|youtu\.be)\/watch\?v\=\w+$/", $youtube_url);
if ($valid) {
    echo "Valid";
} else {
    echo "Invalid";
}

Answer 3

在你的这个正则表达式中有很多冗余（还有leaning toothpick syndrome）。不过，这应该会产生结果：

$rx = '~
  ^(?:https?://)?                           # Optional protocol
   (?:www[.])?                              # Optional sub-domain
   (?:youtube[.]com/watch[?]v=|youtu[.]be/) # Mandatory domain name (w/ query string in .com)
   ([^&]{11})                               # Video id of 11 characters as capture group 1
    ~x';

$has_match = preg_match($rx, $url, $matches);

// if matching succeeded, $matches[1] would contain the video ID

一些注意事项：

• 使用波浪符~ 作为分隔符，避免 LTS
• 使用[.] 代替\. 以提高视觉易读性并避免LTS。 （“特殊”字符 - 例如点 . - 在字符类中无效（在方括号内））
• 要使正则表达式更具“可读性”，您可以使用x 修饰符（它具有进一步的含义；请参阅the docs on Pattern modifiers），它还允许在正则表达式中使用 cmets
• 可以使用非捕获组抑制捕获：(?: <pattern> )。这使表达式更有效。

---

或者，要从（或多或少完整的）URL 中提取值，您可能需要使用parse_url()：

$url = 'http://youtube.com/watch?v=VIDEOID';
$parts = parse_url($url);
print_r($parts);

输出：

Array
(
    [scheme] => http
    [host] => youtube.com
    [path] => /watch
    [query] => v=VIDEOID
)

验证域名和提取视频 ID 留给读者作为练习。

---

我屈服于下面的评论战；感谢 Toni Oriol，正则表达式现在也适用于短 (youtu.be) URL。

Answer 4

正则表达式的替代方法是parse_url()。

 $parts = parse_url($url);
 if ($parts['host'] == 'youtube.com' && ...) {
   // your code
 }

虽然代码更多，但可读性更高，因此更易于维护。

Answer 5

我遵循此页面上的其他答案来解析 URL 语法，但对于 YouTube ID 值本身，您可以更具体一点，正如我在以下答案中所述StackExchange/WebApps：

Format for ID of YouTube video   -    https://webapps.stackexchange.com/a/101153/141734

---

视频 ID

对于 videoId，它是一个 8 字节（64 位）整数。将 Base64 编码应用于 8 个字节的数据需要 11 个字符。但是，由于每个 Base64 字符正好传达 6 位，因此该分配实际上可以容纳 11 × 6 = 66 位——比我们的有效负载需要的多出 2 位。多余的位设置为零，这具有排除某些字符出现在编码字符串的最后位置的效果。特别是，videoId 将始终以下列之一结尾：

{ A, E, I, M, Q, U, Y, c, g, k, o, s, w, 0, 4, 8 }

因此，videoId 的正则表达式 (RegEx) 如下：

[-_A-Za-z0-9]{10}[AEIMQUYcgkosw048]

频道或播放列表 ID

channelId 和 playlistId 字符串是通过 Base64 编码 128 位（16 字节）二进制整数生成的。同样在这里，每个 Base64 的计算正确地预测了观察到的 22 个字符的字符串长度。在这种情况下，输出能够编码22 × 6 = 132位，剩余4位；这些零最终限制了 64 个字母符号中的大多数出现在最后一个位置，只有 4 个仍然符合条件。所有 channelId 字符串都以下列之一结尾：

{ A, Q, g, w }

这为我们提供了 channelId 的正则表达式：

[-_A-Za-z0-9]{21}[AQgw]