Как поправить regexp, чтобы url валидировался правильно?

Question

[Евгений Журов]

Нужно написать функцию, проверяющую url на валидность. Перерыл весь интернет, но пока максимально адекватное решение нашет здесь. Но и оно не идеально.

Основная функция и регулярка выглядят так:

function checkUrl(url) {
    const pattern = /(http|https):\/\/([a-z0-9-]+((\.[a-z0-9-]+)+)?)(:[0-9]+)?(\/|\/([\w#!:.?+=&%@!\-\/]))?/;
    return pattern.test(url);
}

В большинстве случаев работает норм, но на таких кейсах спотыкается:

checkUrl('https://google') // true, а должно быть false
checkUrl('https://www.google') // true, а должно быть false
checkUrl('https://wwww.google.com/') // true, а должно быть false
checkUrl('www.google.com') // false, а должно быть true

Как можно доработать регулярку, чтобы вышеупомянутые ситуации обрабатывались правильно?

UPD: С двумя первыми примерами, наверное, можно не заморачиваться, т.к. в отдельных ситуациях строки, построенные по такому принципу, являются валидными урлами.
Третий пример - тоже неактуален, не знал, что символов w может быть больше 3-х
Остается актуальным 4 пример.

Comments

[Антон Антон]

checkUrl('https://wwww.google.com/') // true, а должно быть false // почему?

[Евгений Журов]

Антон Антон, потому что 4 символа "w"

[FKV]

Евгений Журов, и что? По вашему нельзя создать поддомен c 4 и более w ?
Живой пример https://wwww.blogspot.com/

[Евгений Журов]

FKV, именно так, по-моему было нельзя)) Ок, буду знать, спасибо.

[Дмитрий]

Все что от http https : // до пробела будет ссылка

[FKV]

Евгений Журов, 4 тоже не актуален, так как "www.google.com" - это не url а доменной имя. А вот если перед ним указать протокол, тогда будет url.
https://developer.mozilla.org/ru/docs/Learn/Common...

[FKV]

Евгений Журов, ну и бонусом вам https://developer.mozilla.org/en-US/docs/Web/API/U...

[сергей кузьмин]

плохо если решения из гугла не помогают и приходится самому - постойте - это задание или вопрос ,?

[Евгений Журов]

FKV, не, 4 все-таки актуален, т.к. тут нужны не шашечки, а ехать, как говорится. Т.е. строго терминологически, это, может, и не урл, но если эту штуку присвоить атрибуту href, то ссылка будет рабочая. Конечная цель именно такая.

[FKV]

Евгений Журов, вы бы сначала попробовали это сделать, прежде чем утверждать.
Если вы так сделаете, то ссылка будет относительная. Относительная страницы на которой она расположена. То есть на странице https://domain.com/page ссылка www.google.com превратится в https://domain.com/page/www.google.com

[Евгений Журов]

FKV, это я знаю, но это как раз вообще не проблема. Перед тем как помещать ссылку непосредственно в href можно проверить, содержит ли она https, и если нет - то добавить. Но сначала надо проверить ссылку на валидность в целом, поскольку если она невалидна, т.е. если из нее нельзя создать рабочий тег 'a', то ничего и не будет выводиться. Т.е. схема такая, что сначала проверять, может ли строка вообще использоваться как url, а потом - добавлять к ней https, если его нет.
Можно было бы, конечно проверить/добавить https перед валидацией, а не после, но тогда практически любая чушь станет валидной.
В общем, наверное, проще не переусложнять имеющуюся регулярку, а написать отдельную, которая, в случае false в первой, будет проверять дополнительно валидность строк вида "www.google.com".

[FKV]

Евгений Журов, в таком случает я не знаю как вы будете проверять.
Регулярка которая это будет проверять должна пропускать и например такое
a.b.c.d.e.a.b.c.d.e.a.b.c.d.e.a.b.c.d.e.a.b.c.d.e.a.b.c.d.e.ru

[Евгений Журов]

FKV, можно как-то так сделать.

function checkUrl(url) {
  const pattern = /((^http|https):\/\/)|(^www+\.)([a-z0-9-]+((\.[a-z0-9-]+)+)?)(:[0-9]+)?(\/|\/([\w#!:.?+=&%@!\-\/]))?/
  return pattern.test(url)
}

Не идеально, конечно, т.к. что-нибудь вроде 'www.wwwwww.google.com' - тоже пройдет, да и ваш последний пример, если к нему добавить www. - тоже проканает. Но с точки зрения здравого смысла - очень мало шансов, что что-то подобное в один прекрасный день действительно придет с бэка. А если и придет - то мир не перевернется) Но вот строк вида 'www.и-так-далее.com' там реально навалом по факту, и с ними надо как-то работать.

Answer 1

[Дмитрий]

filter_var($url, FILTER_VALIDATE_URL);

Но он валидирует согласно www.faqs.org/rfcs/rfc2396.html, и https://google - валидный урл. как и https://www.google

но 4 решается быстро

/((http|https):\/\/)?([a-z0-9-]+((\.[a-z0-9-]+)+)?)(:[0-9]+)?(\/|\/([\w#!:.?+=&%@!\-\/]))?/

https://regex101.com/r/sfkAvS/1

Comments

[Евгений Журов]

Да, но фактически ссылки с такими урлами все равно чаще всего невалидны, т.к. по ним невозможно перейти. Понятно, что какой-нибудь localhost это вполне валидная ссылка, и, вероятно, тут нет смысла так заморачиваться, чтобы пытаться отделить localhost от всего остального. Проще оставить как есть, чтобы считал такие ссылки валидными. Но вот такой вариант точно не может быть валидным - 'https://wwww.google.com/'. А такой - 'www.google.com' - точно не может быть невалидным.
То, что вы скинули мне, наверное вряд ли чем-то поможет, это же, если я правильно понимаю, штатная php-шная функция, а у меня речь идет про js.

[Дмитрий]

Евгений Журов, да. чо то я накосячил - в башке уже js с php перемешался

[Евгений Журов]

Не сразу заметил, что дополнили ответ, спасибо!

[Евгений Журов]

Хотя перепроверил сейчас - все-таки не то. Любая обычная строка проходит валидацию.

[Дмитрий]

Евгений Журов, дык если вы убираете схему она и будет проходить типа localhost

[Дмитрий]

Евгений Журов, ну кстати попробовать через URL не хотите?
n = new URL('https://yandex.ru');

[Евгений Журов]

Дмитрий, изначально так и сделал, но оказалось, что это ненадежная штука, вышеприведенная регулярка строже работает.