Kann nicht diese 'URL-Label' Regex, um genau zu sein

Question

Ich schrieb eine Python-Regex, um URLs zu entsprechen. Ich habe ein ziemlich komplexes geschrieben, das ziemlich gut funktioniert. Ich habe versucht, den Etikettenteil im Hostnamen zu erhalten, um genauer zu sein, basierend auf dem, was ich auf Wikipedia gelesen habe.

Grundsätzlich, wenn Sie mein Code-Snippet sehen, habe ich eine Wahrheitstabelle, um den Etikettenteil zu testen, den ich geschrieben habe. Wenn du die Wahrheitstabelle verstehen willst, basiert sie auf 'Einschränkungen für Hostnamen' in der Wiki-Seite des Hostnamens.

Ich kann Fall 1 (Zeichenfolgen [0]) einfach nicht erreichen, ohne andere Fälle zu brechen und kann nicht herausfinden, warum Fall 1 nicht funktionieren würde. Ich habe Debugging-Tools verwendet, aber die betreffende Fehler-Zeichenfolge ist zu klein, um wichtige Informationen zu erhalten.

Bitte helfen Sie mir und geben Sie mir eine Antwort auf die, die ich geschrieben habe, damit ich weiß, was ich vermisse.

Wenn Sie sich fragen, warum ich nicht eine Drittanbieter-Bibliothek verwenden, um URLs zu entsprechen, lerne ich reguläre Ausdrücke.

import re 

F = False 
T = True 

results = [T,F,T,F,F,F,T,F,T,F,F,F,F,F] 

strings = ['a','-','aa','--','-a','a-','aaa','aa-','a-a','a--','-aa','-a-','--a','---'] 

x = list(range(len(strings))) 

regex_test = r'(?P<Label>(?P<Label_start>[a-zA-Z0-9])((?P<Label_mid>[a-zA-Z0-9-]{1,61})?)(?=(?P<Label_end>[a-zA-Z0-9](?=[./])))(?P=Label_end)?)\.' 

if len(strings) == len(results): 
    for n in x: 
     if results[n] == bool(re.match(pattern = regex_test, string = strings[n] + '.')): 
      print("Works.") 
      if results[n] == True: 
       print(re.match(pattern = regex_test, string = strings[n] + '.').groupdict()) 
     else: 
      print("Bug for: " + strings[n]) 
      #print(str(re.match(pattern = regex_test, string = strings[n] + '.',flags=re.DEBUG))) 

Answer 1

Manchmal ist es einfacher (und lesbarer) einfach Python zu verwenden! Es gibt jedoch einen Teil der Validierung des Domänennamens, der von re profitiert. Sehen Sie meinen Versuch here, oder mein vollständiges snipett unten.

# What are valid hostnames? 
# (1) Series of labels separated by periods. 
# (2) Each label can contain only letters, numbers and hyphens. 
# (3) Each label can not start or end with a hyphen. 
# (4) Each label can be 1-63 characters 
# (5) Entire domain cannot be longer than 253 characters. 

import re 

domains = ['en.wikipedia.org', 
      'my.his-site.com', 
      '-bad.site-.5345'] 

def is_valid_hostname(domain): 
    # Utilize rule 1 to split into labels. 
    labels = domain.split('.') 

    for label in labels: 
     # Check rules 2 and 3. 
     if not re.search(r'^[A-z0-9][A-z0-9\-]*[A-z0-9]$', label): 
      return False 

     # Check rule 4. 
     if not (0 < len(label) < 64): 
      return False 

    # Check rule 5. 
    if len(domain) > 253: 
     return False 

    return True 


for domain in domains: 
    if is_valid_hostname(domain): 
     print('{}:\tvalid'.format(domain)) 
    else: 
     print('{}:\tinvalid'.format(domain))