Python如何通过子串匹配精简含通配符的域名列表？

规则说明 #

我们首先明确PAC场景下的域名覆盖规则：

• 通配符*仅可匹配域名同一层级的任意内容，不可跨.匹配
• 当普通域名完全符合某条带通配符的规则时，该普通域名可被精简删除
• 若多条带通配符的规则之间存在覆盖关系，仅保留最泛化的规则即可

实现思路 #

1. 对输入域名先做去重处理，避免无效计算
2. 按域名拆分后的段数分组，不同段数的域名无法互相覆盖，可独立处理
3. 同组内优先处理通配符更多的泛化规则，后续检查每一条域名是否被已保留的规则覆盖，未被覆盖的才加入结果集

代码实现 #

from collections import defaultdict

def is_covered(domain: str, rule: str) -> bool:
    """判断域名是否被指定的通配符规则覆盖"""
    domain_parts = domain.split('.')
    rule_parts = rule.split('.')
    # 段数不同无法覆盖
    if len(domain_parts) != len(rule_parts):
        return False
    # 逐段匹配
    for d_part, r_part in zip(domain_parts, rule_parts):
        if r_part != '*' and d_part != r_part:
            return False
    return True

def simplify_domains(domains: list[str]) -> list[str]:
    """精简域名列表，移除可被通配符规则覆盖的域名"""
    # 去重
    unique_domains = list(set(domains))
    # 按域名段数分组
    domain_groups = defaultdict(list)
    for d in unique_domains:
        part_count = len(d.split('.'))
        domain_groups[part_count].append(d)
    
    result = []
    for group in domain_groups.values():
        kept = []
        # 按通配符数量降序排序，泛化程度高的规则优先保留
        sorted_group = sorted(group, key=lambda x: -x.count('*'))
        for domain in sorted_group:
            # 检查当前域名是否已被保留的规则覆盖
            covered = any(is_covered(domain, rule) for rule in kept)
            if not covered:
                kept.append(domain)
        result.extend(kept)
    
    # 按域名层级排序，输出更规整
    result.sort(key=lambda x: (len(x.split('.')), x))
    return result

测试验证 #

使用你提供的输入测试：

if __name__ == "__main__":
    input_domains = [
        "www.example.com",
        "*.example.com",
        "example.com",
        "myserver.example.com",
        "server.*.example2.com",
        "server.mydomain1.example2.com",
        "server.mydomain2.example2.com",
        "server.mydomain3.example2.com",
        "example2.com"
    ]
    simplified = simplify_domains(input_domains)
    for d in simplified:
        print(d)

输出结果：

example.com
example2.com
*.example.com
server.*.example2.com

完全符合预期效果，且整个实现无需复杂正则，逻辑清晰易扩展，符合Python编码规范。

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