[REGEX] Che caratteristiche hanno gli url?

[mircov]

Salve. Vorrei crearmi una regex che riconosca se una stringa inserita in un form è un URL o meno. Per farlo però, dovrei sapere tutti i possibili formati che un URL può assumere.

Io ho pensato a questi formati ma non escludo che ce ne siano degli altri.
Se ne conoscete per favore li potete postare? Grazie mille! Ciao!

URL che ho individuato

http://www.sito.it
http://sito.it
http://sito.host.it

[lbottoni]

fai un'espressione regolare (javascript) che verifichi che il campo inizi con http:// e finisca con .it,.com,.net,.biz,etc.. e che contenga caratteri tra le due verifiche.

ti conviene al massimo andare a leggere qualcosa sul protocollo http, per avere maggiori informazioni.

[mircov]

Ok, grazie. Cmq l'espressione mi serve in php: voglio evitare di usare javascript se non è necessario (a parte che non lo so nemmeno usare! )

[mircov]

Ecco, dopo un po' che ci ragioni comincia ad uscire fuori qualcosa

questa è una prima "release" dell'espressione:

(http:// | https://)(www.)?[a-z0-9]+(.[a-z0-9]*)?[a-z]

In arrivo il resto!

[Mutato]

(^(http://|https://)[a-z0-9\.\-\_]+(it|com|net|org|info|name|co.uk|etc.)$)

Il www non e' necessario, e' gia' incluso nell'espressione a-z, nella testa sono inclusi anche i domini di secondo e terzo livello. Le estensioni alla fine, anche se numerose ti conviene controllarle.

[mircov]

Ecco la nuova "release" dell'espressione. Ho aggiunto tutti i domini che esistono.

A questo punto una domanda: ma se l'espressione trova una corrispondenza si ferma? a tal proprosito mi conviene mettere i domini più probabili all'inizio?

(http:// | https://){1}(www.){1}?[a-z0-9\-\_]+(.[a-z0-9]+)?(.){1}(dz | ao | bj | bw | bf | bi | cm | cv | cf | td | ci | dj | eg | gq | er | et | ga | gm | gh | gn | gw | ke | ls | lr | ly | mg | mw | ml | ma | mr | mu | mz | mz | na | ne | ng | rw | st | sn | sc | sl | so | za | lk | sd | sz | tz | tg | tn | ug | eh | zr | zm | zw | ca | ar | as | bm | bo | br | cl | co | cr | cu | dm | do | ec | ht | jm | mx | pa | pe | py | sv | tt | um | us | uy | ve | vi | ae | af | bd | cn | fj | hk | id | in | iq | ir | jo | jp | kg | kp | kr | kw | la | lb | lk | mn | mo | np | om | pg | ph | pk | qa | sa | sg | sr | sy | th | tj | tp | tw | uz | vn | ye | al | ad | at | az | be | by | ba | io | bg | ch | cy | cz | cs | dk | de | es | ee | fo | fi | fr | fx | fp | gf | tf | ge | gi | gb | gr | hr | hu | is | ie | il | it | lv | li | lt | lu | mk | mt | mc | md | nl | an | no | pl | pt | ro | ru | sm | sk | si | se | tr | su | ua | uk | va | vg | yu | aero | aq | arpa | biz | com | coop | edu | gov | info | int | mil | museum | name | nato | net | nt | org | pro | tv | au | nz){1}

[mircov]

Ora un'altra domanda: come la uso ?

[carlo2002]

ma non basterebbe mettere ke alla fine ci siano 2 o 3 lettere
senza quel popò di lista?

ti serve proprio una tale precisione? poi nel caso
che si inventano qualke nuova estensione ti tocca
modificare lo script.

[mircov]

Io sto semplicemente cercando di creare la regex perfetta! Poi quando la andrò ad usare nell'applicazione attuale che sto sviluppando se mi accorgo che è troppo dispendiosa in termini di risorse la modificherò. E comunque aggiungere una nuova estension non è un gran problema!

[Mutato]

La REGEX perfetta non puo' esistere! Una regex Perl (quindi molto potente) che possa descrivere tutti gli indirizzi mail validi e' stato calcolato occupi 4000 caratteri. Una cosa simile e' per i domini.

Basta che il domionio non usi i caratteri latini e la tua regex e' gia' fuori gioco.