如何在Python中使用正则表达式验证URL？

Question

我正在Google App Engine上构建应用程序。我是Python的新手，在过去3天里，我一直对下面的问题problem之以鼻。

我有一个代表RSS Feed的类，在这个类中，我有一个名为setUrl的方法。输入此方法的是URL。

我正在尝试使用re python模块来验证RFC 3986 Reg-
ex（http://www.ietf.org/rfc/rfc3986.txt）

下面是一个片段， 应该 工作吗？

p = re.compile('^(([^:/?#]+):)?(//([^/?#]*))?([^?#]*)(\?([^#]*))?(#(.*))?')
m = p.match(url)
if m:
  self.url = url
  return url

Answer 1

urlparse（py2，py3）模块是解析（并验证）URL的一种简单方法。

正则表达式是太多的工作。

没有“验证”方法，因为几乎所有内容都是有效的URL。有一些标点符号规则将其拆分。没有标点符号，您仍然有一个有效的URL。

仔细检查RFC，看看是否可以构造“无效” URL。规则非常灵活。

例如:::::，一个有效的URL。路径是":::::"。漂亮的文件名，但是有效的文件名。

另外，/////也是有效的网址。netloc（“主机名”）为""。路径是"///"。再次，愚蠢。也有效。此URL规范化为"///"等效的URL
。

类似的东西"bad://///worse/////"是完全有效的。哑巴但有效。

底线 。解析它，然后查看各个部分，看看它们是否在某种程度上令人不快。

您是否希望方案始终为“ http”？您是否希望netloc始终为“
www.somename.somedomain”？您是否要让路径看起来像Unix？还是像窗户？是否要删除查询字符串？还是保留它？

这些不是RFC指定的验证。这些是您的应用程序独有的验证。