kleine Regex Frage für Java

mpix

Bloody Newbie

Registered: Jan 2007
Location: Wien
Posts: 27

24.11.2009 - 12:44

Hallo,

Zum wiederholten Male scheitere ich an einer Regex Abfrage .. Das ganze dann zusätzlich auch noch in Java ..

Ich will dass da Abfrage einfache URLs zulässt ..

Beispiele, die zugelassen werden sollen:

at
blub.at
bla.blub.at usw. ..

Eine zweite Abfrage sollte dann die oben genannten URL mit zusätzlichen Pfaden akzeptieren ..

Beispiele, die zugalssen werden sollten:

at/file.ext
blub.at/file
bla.blub.at/lala.lulu

Mein kläglicher Versuch der ersten Abfrage sieht folgendermaßen aus:

Code: PHP
[a-z]+[\\.a-z]*

Könnte mir hier jemand helfen ?!
Danke !!

watchout

Legend
undead

Registered: Nov 2000
Location: Off the grid.
Posts: 6845

24.11.2009 - 15:29

erstmal ".." ist in domains afaik nicht zulässig, im pfad aber schon, deine regex würde etwa
"a..................." ohne weiteres akzeptieren, ist nur halt keine echte domain.

Wenn ich mich jetzt nicht irre kann man URLs mit Regex nicht vollständig darstellen (und eben damit auch prüfen), dazu braucht man eine vollständige grammatik

Mal schaun was ich hinbekomm...

Code:

[a-Z][\.\w]*\.[\w]{2,}(/[/\.%\?#\w]*)?

(ungetestet

)

würd ich jetzt mal so grob nehmen - ist nur sehr quick'n dirty

Luzandro

OC Addicted

Registered: Mar 2006
Location: 2482
Posts: 708

24.11.2009 - 16:01

Zitat von watchout
erstmal ".." ist in domains afaik nicht zulässig

geht aber bei dir auch

(zumindest "a....at")
Im Pfad würde ich zumindest noch +-=&; dazunehmen, gültig ist wohl noch viel mehr

Innerhalb der [] solltest du Punkt/Fragezeichen auch nicht escapen müssen

that

Moderator
Hoffnungsloser Optimist

Registered: Mar 2000
Location: MeidLing
Posts: 11338

24.11.2009 - 16:48

Erstens sind das alles keine URLs (solche beginnen z.B. mit "http:" oder "ftp:" oder "mailto:").
Zweitens können Domainnamen durchaus mit Ziffern beginnen und nicht-Buchstaben enthalten (z.B. "7-zip.org").
Drittens ist z.B. "ftp://user

assword@example.com/%2Fetc/hosts" eine verbreitete Form von URLs.

Also was genau willst du checken? Wenns wirklich URLs sind, dann reicht ein Regex sicher nicht.

watchout

Legend
undead

Registered: Nov 2000
Location: Off the grid.
Posts: 6845

24.11.2009 - 17:00

Zitat von Luzandro
geht aber bei dir auch (zumindest "a....at")
Im Pfad würde ich zumindest noch +-=&; dazunehmen, gültig ist wohl noch viel mehr

Innerhalb der [] solltest du Punkt/Fragezeichen auch nicht escapen müssen

Ich weiss, aber wie gesagt lässt sich eine URL nicht vollständig durch regex darstellen, vielleicht hab ich mich falsch ausgedrückt.

Es kommt auch stark auf den Anwendungsfall an - will man nur prüfen ob eine url "ungefähr" stimmen könnte - reicht das wahrscheinlich - muss man sicher sein, natürlich nicht, da macht man dann aber am besten noch gleich nen check dazu ob der server auch funktioniert etc.
Will man aber etwa URLs in einem Text finden sind eigentlich beide nicht ausreichend (preisfrage: warum werden nur urls die mit http://www. anfangen oder vollständig definiert sind http://... von div. Forensoftware erkannt

)

Willst du aber wirklich nur eine alleinstehende URL checken... es gibt eine Klasse mit Namen "URL" in Java, afair macht die auch diverse Checks auf Syntax.

Btw.: Escapen ist in dem Fall nicht falsch, und 100 verschiedene Implementierungen von Regex auswendig weiss ich nicht, tut mir leid

watchout

Legend
undead

Registered: Nov 2000
Location: Off the grid.
Posts: 6845

24.11.2009 - 17:15

Zitat von that
Erstens sind das alles keine URLs (solche beginnen z.B. mit "http:" oder "ftp:" oder "mailto:").
Zweitens können Domainnamen durchaus mit Ziffern beginnen und nicht-Buchstaben enthalten (z.B. "7-zip.org").
Drittens ist z.B. "ftp://userassword@example.com/%2Fetc/hosts" eine verbreitete Form von URLs.

Also was genau willst du checken? Wenns wirklich URLs sind, dann reicht ein Regex sicher nicht.

Tsts, lass mich doch ausschreiben

Ok, stimmt hatte vergessen dass Domains auch mit Ziffern anfangen können, aber abgesehen davon kann eine URL ja sowieso auch eine IP Addresse (v4 / v6) enthalten und so auch mit Ziffern anfangen, und damit wird es in der Sekunde leichter Yacc anzuwerfen oder sich eine fertige Klasse zu suchen, weil ja eine IP Addresse nur bis 255 gehen darf, aber eine v6 einen Hex String, ... *hust* http://labs.apache.org/webarch/uri/...#collected-abnf *hust* viel Spaß

DirtyHarry

aka robobimbo

Registered: Apr 2001
Location: outer space
Posts: 464

25.11.2009 - 19:13

immer ein guter tipp --> http://regexlib.com/

tresh

Little Overclocker

Registered: Feb 2003
Location: Vienna
Posts: 73

29.11.2009 - 01:43

DSLab Beispiel 2?

mpix Bloody Newbie Registered: Jan 2007 Location: Wien Posts: 27	24.11.2009 - 12:44 Hallo, Zum wiederholten Male scheitere ich an einer Regex Abfrage .. Das ganze dann zusätzlich auch noch in Java .. Ich will dass da Abfrage einfache URLs zulässt .. Beispiele, die zugelassen werden sollen: at blub.at bla.blub.at usw. .. Eine zweite Abfrage sollte dann die oben genannten URL mit zusätzlichen Pfaden akzeptieren .. Beispiele, die zugalssen werden sollten: at/file.ext blub.at/file bla.blub.at/lala.lulu Mein kläglicher Versuch der ersten Abfrage sieht folgendermaßen aus: Code: PHP `[a-z]+[\\.a-z]*` Könnte mir hier jemand helfen ?! Danke !!
watchout Legend undead Registered: Nov 2000 Location: Off the grid. Posts: 6845	24.11.2009 - 15:29 erstmal ".." ist in domains afaik nicht zulässig, im pfad aber schon, deine regex würde etwa "a..................." ohne weiteres akzeptieren, ist nur halt keine echte domain. Wenn ich mich jetzt nicht irre kann man URLs mit Regex nicht vollständig darstellen (und eben damit auch prüfen), dazu braucht man eine vollständige grammatik Mal schaun was ich hinbekomm... Code: `[a-Z][\.\w]\.[\w]{2,}(/[/\.%\?#\w])?` (ungetestet ) würd ich jetzt mal so grob nehmen - ist nur sehr quick'n dirty
Luzandro OC Addicted Registered: Mar 2006 Location: 2482 Posts: 708	24.11.2009 - 16:01 Zitat von watchout erstmal ".." ist in domains afaik nicht zulässig geht aber bei dir auch (zumindest "a....at") Im Pfad würde ich zumindest noch +-=&; dazunehmen, gültig ist wohl noch viel mehr Innerhalb der [] solltest du Punkt/Fragezeichen auch nicht escapen müssen
that Moderator Hoffnungsloser Optimist Registered: Mar 2000 Location: MeidLing Posts: 11338	24.11.2009 - 16:48 Erstens sind das alles keine URLs (solche beginnen z.B. mit "http:" oder "ftp:" oder "mailto:"). Zweitens können Domainnamen durchaus mit Ziffern beginnen und nicht-Buchstaben enthalten (z.B. "7-zip.org"). Drittens ist z.B. "ftp://userassword@example.com/%2Fetc/hosts" eine verbreitete Form von URLs. Also was genau willst du checken? Wenns wirklich URLs sind, dann reicht ein Regex sicher nicht.
watchout Legend undead Registered: Nov 2000 Location: Off the grid. Posts: 6845	24.11.2009 - 17:00 Zitat von Luzandro geht aber bei dir auch (zumindest "a....at") Im Pfad würde ich zumindest noch +-=&; dazunehmen, gültig ist wohl noch viel mehr Innerhalb der [] solltest du Punkt/Fragezeichen auch nicht escapen müssen Ich weiss, aber wie gesagt lässt sich eine URL nicht vollständig durch regex darstellen, vielleicht hab ich mich falsch ausgedrückt. Es kommt auch stark auf den Anwendungsfall an - will man nur prüfen ob eine url "ungefähr" stimmen könnte - reicht das wahrscheinlich - muss man sicher sein, natürlich nicht, da macht man dann aber am besten noch gleich nen check dazu ob der server auch funktioniert etc. Will man aber etwa URLs in einem Text finden sind eigentlich beide nicht ausreichend (preisfrage: warum werden nur urls die mit http://www. anfangen oder vollständig definiert sind http://... von div. Forensoftware erkannt ) Willst du aber wirklich nur eine alleinstehende URL checken... es gibt eine Klasse mit Namen "URL" in Java, afair macht die auch diverse Checks auf Syntax. Btw.: Escapen ist in dem Fall nicht falsch, und 100 verschiedene Implementierungen von Regex auswendig weiss ich nicht, tut mir leid
watchout Legend undead Registered: Nov 2000 Location: Off the grid. Posts: 6845	24.11.2009 - 17:15 Zitat von that Erstens sind das alles keine URLs (solche beginnen z.B. mit "http:" oder "ftp:" oder "mailto:"). Zweitens können Domainnamen durchaus mit Ziffern beginnen und nicht-Buchstaben enthalten (z.B. "7-zip.org"). Drittens ist z.B. "ftp://userassword@example.com/%2Fetc/hosts" eine verbreitete Form von URLs. Also was genau willst du checken? Wenns wirklich URLs sind, dann reicht ein Regex sicher nicht. Tsts, lass mich doch ausschreiben Ok, stimmt hatte vergessen dass Domains auch mit Ziffern anfangen können, aber abgesehen davon kann eine URL ja sowieso auch eine IP Addresse (v4 / v6) enthalten und so auch mit Ziffern anfangen, und damit wird es in der Sekunde leichter Yacc anzuwerfen oder sich eine fertige Klasse zu suchen, weil ja eine IP Addresse nur bis 255 gehen darf, aber eine v6 einen Hex String, ... hust http://labs.apache.org/webarch/uri/...#collected-abnf hust viel Spaß
DirtyHarry aka robobimbo Registered: Apr 2001 Location: outer space Posts: 464	25.11.2009 - 19:13 immer ein guter tipp --> http://regexlib.com/
tresh Little Overclocker Registered: Feb 2003 Location: Vienna Posts: 73	29.11.2009 - 01:43 DSLab Beispiel 2?

kleine Regex Frage für Java

Forum Index > Software > Coding Stuff

mpix

watchout

Luzandro

that

watchout

watchout

DirtyHarry

tresh