Python 网址匹配正则表达式实战

网址匹配正则表达式（python 实现）

在实际开发中，直接接收用户输入的链接往往存在安全隐患，因此对 URL 进行格式校验是必不可少的一环。

核心思路

构建一个通用的正则表达式需要覆盖几个关键点：协议头、域名结构、端口以及路径。虽然 RFC 标准非常复杂，但在工程实践中，我们通常采用一种兼顾兼容性与性能的简化方案。

代码实现

import re

# 编译正则对象，提高重复匹配效率
url_regex = re.compile(
    r'^https?://'  # 支持 http 和 https
    r'(?:[A-Z0-9](?:[A-Z0-9-]{0,61}[A-Z0-9])?\.)+'  # 域名主体
    r'[A-Z]{2,6}\.?|'  # 顶级域名
    r'localhost'  # 本地主机
    r'(?::\d+)?'  # 可选端口
    r'(?:/?|[/?]\S+)?$',  # 路径与查询参数
    re.IGNORECASE
)

def is_valid_url(url):
    return bool(url_regex.match(url))

这段代码将正则预编译为对象，避免每次调用时的重复开销。re.IGNORECASE 标志让匹配不区分大小写，符合 URL 规范。

细节说明

注意看域名部分的 (?:[A-Z0-9](?:[A-Z0-9-]{0,61}[A-Z0-9])?\.)+，这里限制了子域名的长度，防止过长的无效输入。对于 localhost 这种特殊情况单独列出，方便本地调试环境识别。

实际运行时，如果遇到国际域名或更复杂的 IP 地址，可能需要引入第三方库如 validators 来辅助校验，但上述正则已能满足绝大多数业务场景的需求。

总结

通过预编译正则对象，我们可以在保证准确性的同时获得更好的性能。根据具体业务需求调整正则范围，即可灵活适配不同的 URL 校验场景。