regex - 基于 Bash 的正则表达式域名验证

Question

我想创建一个脚本，将新域添加到我们的 DNS 服务器。我发现完全限定域名验证REGEX。但是，当我将它与 sed 一起使用时，它并没有像我预期的那样工作：

echo test | sed  '/(?=^.{5,254}$)(^(?:(?!\d+\.)[a-zA-Z0-9_\-]{1,63}\.?)+(:[a-zA-Z]{2,})$)/p'  
--------
Output is: 
test
echo test.com | sed  '/(?=^.{5,254}$)(^(?:(?!\d+\.)[a-zA-Z0-9_\-]{1,63}\.?)+(:[a-zA-Z]{2,})$)/p'  
--------
Output is: 
test.com

我希望第一个命令的输出应该是一个空行。我做错了什么？

score 12 · Accepted Answer

我发现这是一个更全面的正则表达式：

(?=^.{4,253}$)(^(?:[a-zA-Z0-9](?:(?:[a-zA-Z0-9\-]){0,61}[a-zA-Z0-9])?\.)+([a-zA-Z]{2,}|xn--[a-zA-Z0-9][a-zA-Z0-9\-]*[a-zA-Z0-9])$)

RFC 1034§3：允许长度为 4-25 3，我所知道的最短操作域“t.co”仍然匹配其他答案不匹配的地方。255 字节是最大长度，减去每个标签（TLD 和“主”子域）的长度字节为 253：(?=^.{4,253}$)
- RFC 3696§2：单字母 TLD在技术上是允许的，这意味着最小长度为 3，但由于目前没有单字母 TLD，最小长度为 4 是可行的。
RFC 1034§3：允许子域中的数字，而 Conor Clafferty 显然不允许（通过不区分其他子域与“主要”子域 - 即您注册的域 - DNS 规范没有）
RFC 1034§3：将单个标签限制为 63 个字符，允许在中间使用连字符，同时将开头和结尾限制为字母数字(?:[a-zA-Z0-9](?:(?:[a-zA-Z0-9\-]){,61}[a-zA-Z0-9])?\.)
需要两个字母或更大的 TLD，但可能是punycoded ([a-zA-Z]{2,}|xn--[a-zA-Z0-9][a-zA-Z0-9\-]*[a-zA-Z0-9])
- RFC 3696§2：DNS 规范在技术上允许 TLD 中的数字以及单字母 TLD；但是，目前没有单字母 TLD 或带数字的 TLD，并且不允许使用全数字 TLD，因此这部分正则表达式已简化为[a-zA-Z]{2,}.
  
  - 或者 -
- RFC 3490§5：国际化域名 ccTLD (IDN ccTLD) 可能是 punycoded，如“xn--”前缀所示，其后可能包含字母、数字或连字符。这近似于xn--[a-zA-Z0-9][a-zA-Z0-9\-]*[a-zA-Z0-9]
  
  请注意，此模式不会验证punycode TLD！将容忍无效的 punycode，例如“xn--qqqq”，因为尝试根据适当的编码机制验证 punycode 超出了正则表达式的范围。虽然 punycode 本身在技术上允许以连字符结尾的编码字符串，但RFC 3492§5遵守并尊重标签不能以连字符结尾的 IDNA 限制。

编辑 02/2021：向user2241415 致敬，指出 IDN ccTLD 与先前指定的正则表达式不匹配。

score 3 · Accepted Answer

You are missing a question mark in your regex :

(?=^.{5,254}$)(^(?:(?!\d+\.)[a-zA-Z0-9_\-]{1,63}\.?)+(?:[a-zA-Z]{2,})$)

You can test your regex here

You can do what you want with grep :

$ echo test.com | grep -P '(?=^.{5,254}$)(^(?:(?!\d+\.)[a-zA-Z0-9_\-]{1,63}\.?)+(?:[a-zA-Z]{2,})$)'
test.com
$ echo test | grep -P '(?=^.{5,254}$)(^(?:(?!\d+\.)[a-zA-Z0-9_\-]{1,63}\.?)+(?:[a-zA-Z]{2,})$)'
$

score 1 · Accepted Answer

sed我知道没有实现支持您在该正则表达式中使用的各种 Perl 扩展。尝试使用 Perl 或grep -Por pcregrep，或将正则表达式简化为sed可以处理的东西。这是一个快速而肮脏的改编，它将正则表达式拆分为三个不同正则表达式的脚本，并在某些内容无法匹配（或匹配，在最中间的情况下）时拒绝。

echo 'test' | sed -r '/^.{5,254}$/!d
    /^([^.]*\.)*[0-9]+\./d   # Seems incorrect; 112.com is valid
    /^([a-zA-Z0-9_\-]{1,63}\.?)+([a-zA-Z]{2,})$/!d'  # should disallow underscore
    # also, what's with the question mark after the literal dot?

这也完全无法接受 IDNA 域（其中可以包含 TLD 中的破折号和数字等）所以我绝对不推荐这个，但希望它向您展示如何适应这样的东西，sed如果您愿意的话。

score 0 · Accepted Answer

Pierre-Louis 的回答对我不太适用。例如，“小猫”被视为域名。我添加了一个细微的调整，以确保域中至少有一个点。

(?=^.{5,254}$)(^(?:(?!\d+\.)[a-zA-Z0-9_\-]{1,63}\.?)+\.(?:[a-z]{2,})$)

\.在它读取域的最后一部分之前有一个额外的。

score 0 · Accepted Answer

我grep -P用来做这个。

echo test | grep -P "^[a-zA-Z0-9][a-zA-Z0-9-]{1,61}[a-zA-Z0-9](?:\.[a-zA-Z]{2,})+$" 
--------
Output is: 

echo www.test.com | grep -P "^[a-zA-Z0-9][a-zA-Z0-9-]{1,61}[a-zA-Z0-9](?:\.[a-zA-Z]{2,})+$"
--------
Output is: www.test.com

score -2 · Accepted Answer

如果域必须存在，您可以尝试：

$ cat test.sh
#!/bin/bash

for h in "bert" "ernie" "www.google.com"
do
    host $h 2>&1 > /dev/null
    if [ $? -eq 0 ]
    then
        echo "$h is a FQDN"
    else
        echo "$h is not a FQDN"
    fi
done

jalderman@mba:/tmp$ ./test.sh 
bert is not a FQDN
ernie is not a FQDN
www.google.com is a FQDN

regex - 基于 Bash 的正则表达式域名验证

6 回答 6

Related

Reference