क्या मैं वैध डोमेन नामों के लिए इस रेगेक्स चेक को बेहतर बना सकता हूं?

Question

तो, मैं इस डोमेन नाम नियमित अभिव्यक्ति पर काम कर रहा हूं। अब तक, ऐसा लगता है कि एसएलडी और टीएलडी (वैकल्पिक सीसीटीएलडी के साथ) के साथ डोमेन नाम चुनते हैं, लेकिन टीएलडी लिस्टिंग का दोहराव है। क्या इसे आगे फिर से किया जा सकता है?

params[:domain_name].downcase.strip.match(/^[a-z0-9\-]{2,63} 
\.((a[cdefgilmnoqrstuwxz]|aero|arpa)|(b[abdefghijmnorstvwyz]|biz)| 
(c[acdfghiklmnorsuvxyz]|cat|com|coop)|d[ejkmoz]|(e[ceghrstu]|edu)|f[ijkmor]| 
(g[abdefghilmnpqrstuwy]|gov)|h[kmnrtu]|(i[delmnoqrst]|info|int)| 
(j[emop]|jobs)|k[eghimnprwyz]|l[abcikrstuvy]| 
(m[acdghklmnopqrstuvwxyz]|me|mil|mobi|museum)|(n[acefgilopruz]|name|net)|(om|org)| 
(p[aefghklmnrstwy]|pro)|qa|r[eouw]|s[abcdeghijklmnortvyz]| 
(t[cdfghjklmnoprtvwz]|travel)|u[agkmsyz]|v[aceginu]|w[fs]|y[etu]|z[amw]) 
(\.((a[cdefgilmnoqrstuwxz]|aero|arpa)|(b[abdefghijmnorstvwyz]|biz)| 
(c[acdfghiklmnorsuvxyz]|cat|com|coop)|d[ejkmoz]|(e[ceghrstu]|edu)|f[ijkmor]| 
(g[abdefghilmnpqrstuwy]|gov)|h[kmnrtu]|(i[delmnoqrst]|info|int)| 
(j[emop]|jobs)|k[eghimnprwyz]|l[abcikrstuvy]| 
m[acdghklmnopqrstuvwxyz]|mil|mobi|museum)| 
(n[acefgilopruz]|name|net)|(om|org)| 
(p[aefghklmnrstwy]|pro)|qa|r[eouw]|s[abcdeghijklmnortvyz]| 
(t[cdfghjklmnoprtvwz]|travel)|u[agkmsyz]|v[aceginu]|w[fs]|y[etu]|z[amw]))?$/) 

Answer 1

कृपया, कृपया ज्ञात डोमेन नामों के लिए मिलान करने के लिए इस तरह एक निश्चित और बेहद जटिल रेगेक्स का उपयोग न करें।

टीएलडी की सूची स्थिर नहीं है, खासकर आईसीएएनएन के साथ नए जीटीएलडी के लिए एक सुव्यवस्थित प्रक्रिया को देखते हुए। सीसीटीएलडी की सूची कभी-कभी बदलती है!

http://publicsuffix.org/ से उपलब्ध सूची पर एक नज़र डालें और कुछ कोड लिखें जो इसके बजाय उस सूची को डाउनलोड और पार्स करने में सक्षम है।

Answer 2

मुझे शायद डोमेन नामों के बारे में पर्याप्त जानकारी नहीं है। लेकिन डोमेन "foo.info.com" जैसे मेल खाते हैं? ऐसा लगता है कि डोमेन नाम उस विशेष मामले में "info.com" है।

और आप यह सुनिश्चित करना चाहते हैं कि नाम [ए-जेड \ डी] से शुरू होता है। मुझे नहीं लगता कि आप एक डोमेन पंजीकृत कर सकते हैं जो डैश से शुरू होता है?

Answer 3

खैर के रूप में आपने लिखी है, टीएलडी हिस्सा बराबर लेकिन (\.<tldpart>){1,2} से अधिक लंबी है लेकिन मुझे यकीन है कि यह दोहराव के लिए निर्धारित किया जा सकता है हूँ ...

संपादित करें: yech, नहीं, यह संभव हो सकता है, लेकिन अनिवार्य रूप से होता है मुझे लगता है कि नकल को संभालने के लिए एक बहुत धीमी ब्रूट फोर्स सूची। संभावित टीएलडी और एसएलडी + देश जोड़े को एक बड़े हैशप में डालने के लिए सरल और तेज और उसके खिलाफ सबस्ट्रिंग की जांच करें।

Answer 4

आप रेगेक्स को स्ट्रिंग के रूप में बना सकते हैं और फिर Regexp.new (स्ट्रिंग) कर सकते हैं।

Answer 5

मैं RFC 1035 में निर्धारित नियमों के साथ शुरू करने की सलाह दूंगा, और फिर पीछे की ओर काम कर रहा हूं - लेकिन केवल अगर आपको वाकई इसे स्क्रैच से करने की ज़रूरत है। एक डोमेन regex पैटर्न होना चाहिए (केवल ईमेल पता regex पैटर्न के लिए तर्कसंगत दूसरा) वहाँ सबसे आम बात है। मैं regexlib.com साइट देखता हूं और अन्य लोगों द्वारा किए गए ब्राउज़ के माध्यम से ब्राउज़ करता हूं।

Answer 6

डाउनलोड इस: http://data.iana.org/TLD/tlds-alpha-by-domain.txt

उदाहरण उपयोग (अजगर में):

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') 

आप प्रदर्शन में मदद करने के सत्यापित करें समारोह से बाहर डोमेन-सूची निर्माण कारक बन सकते हैं।