如何编写符合指定规则的自定义合法URL正则表达式

原有正则的问题梳理 #

• 否定前瞻逻辑错误：将(?!http|https)的位置写得完全错位，还错误加入了:\/\/匹配片段，直接违背「不能以http/https开头」的核心要求
• www前缀匹配逻辑错误：(www\.?)的写法仅表示www后可以可选带点，没有将整个www.作为可选前缀处理
• 域名主体规则漏洞：未限制中间仅允许出现字母、数字、连字符、点四种字符，也没有避免连字符出现在各级域名的首尾
• 顶级域匹配错误：[^\s]{2,}会匹配所有非空白字符，包括@、$、_等禁止的特殊字符，也没有限制顶级域必须在字符串结尾，会放过结尾带非法字符的内容

正确正则表达式 #

/^(?:www\.)?(?:[a-zA-Z0-9]+(?:-[a-zA-Z0-9]+)*\.)+[a-zA-Z]{2,}(?:\.[a-zA-Z]{2,})?$/gi

规则说明 #

• ^ 匹配字符串开头，天然过滤所有以http/https等非域名开头的内容
• (?:www\.)? 非捕获组，匹配可选的www.前缀，满足可带可不带www的要求
• (?:[a-zA-Z0-9]+(?:-[a-zA-Z0-9]+)*\.)+ 匹配各级域名主体：每级域名只能以字母数字开头结尾，中间可以带连字符，末尾带点，支持多级域名配置
• [a-zA-Z]{2,}(?:\.[a-zA-Z]{2,})? 匹配顶级域，支持.com、.io这类单段顶级域，也支持.co.in这类双段顶级域
• $ 匹配字符串结尾，避免顶级域后出现其他非法字符

验证效果 #

所有你提供的合法示例均可正常匹配，所有非法示例均会被拦截：带http/https开头的内容会被开头匹配规则直接拦截，带_、@等特殊字符的内容会被域名主体规则拦截，结尾带特殊字符、连字符结尾或者没有合法顶级域的内容会被结尾规则拦截。

内容的提问来源于stack exchange，提问作者Mohit Chandani