识别文本中的 unicode 符号域答案

【问题标题】：Recognize unicode symbol domains in text识别文本中的 unicode 符号域
【发布时间】：2019-06-12 12:43:00
【问题描述】：

我有以下正则表达式

(?!:\/\/)([a-zA-Z0-9-_]+\.)*[a-zA-Z0-9][a-zA-Z0-9-_]+\.[a-zA-Z]{2,11}?$

它可以识别 moo.foo 之类的域，但无法识别以下情况：

festelån.net 有一些 unicode 字符
http://hellöthere.com/ 或存在 http 或 https 协议以及 slashes 的情况。

如何修改它以识别这些情况？我不擅长正则表达式感谢您的帮助。
如果你想玩，这里是 online real time 示例的编辑。

【问题讨论】：

(?!:\/\/) 表示与封闭的字符不匹配，这意味着:// 不会成为捕获的一部分，this alone should not break the regex。最后一个示例不匹配（除了 unicode）的原因是，以 $ 结尾的正则表达式意味着它必须位于字符串的末尾，这意味着尾随的 / 阻止了匹配。 [\p{L}\p{N}] 可以用来代替 [a-z0-9] 以匹配任何 unicode 字母或数字（\p{L} 是任何字母，\p{N} 是任何数字）
10x 用于解释@SamRockett。在您的示例中，此模式 (?!:\/\/)([\p{L}\p{N}\-_]+\.)*[\p{L}\p{N}\][\p{L}\p{N}\-_]+\.[a-zA-Z]{2,11}} 捕获了我正在寻找的内容，但在使用 preg_match 的 php 中却没有。虽然应该还是PCRE

标签： php regex string search pcre

【解决方案1】：

这是我的 OpenSource 项目中的一个功能，可能会对您有所帮助。我已经使用 PHP filtar_var 函数来应用验证。

public function ValidateHost($Host)
    {
        if(isset($Host))
        {
            if(!is_null($Host) && !empty($Host))
            {
                if(strstr($Host, ".") && strlen($Host) > 3 && strlen($Host) < 255 && (!strstr($Host, "..")) && (!strstr($Host, " "))
                   && preg_match('/[a-zA-Z]+/', $Host) && (!strstr($Host, "@")) &&
                   !(preg_match('/([^.]*[.][0-9]*$)/', $Host)) && filter_var(FILTER_VALIDATE_URL) == true)
                    return Config::RET_OK;
                else return Config::INVALID_HOST_NAME;
            }
            else return Config::INVALID_NULL;
        }
        else return Config::INVALID_NULL;
    }

如果您想查看，这是我的项目：InfraTools

【讨论】：

能否解释一下您在这里做什么以及为什么有效？只是我看到问题中的代码发生了很多变化，我无法弄清楚为什么要进行这些更改，或者这将如何解决 unicode 字符的问题。
@SamRockett 我给出的函数是一个验证给定主机名的通用函数。 Config::INVALID 是常量，可以替换为 return false 和 true。有几个验证一起，但如果帖子是 FILTER_VALIDATE_URL，那么一个更有趣的原因。但是在我的旧测试中，我一起完成了这些其他验证，这使得该功能按预期工作。