python判断url是否合法

原创

mob64ca12e3a791 2024-09-30 04:40:13 ©著作权

文章标签 正则表达式 python 主机名 文章分类 Python 后端开发

©著作权归作者所有：来自51CTO博客作者mob64ca12e3a791的原创作品，请联系作者获取转载授权，否则将追究法律责任

判断 URL 合法性的 Python 实现指南

在当今互联网时代，URL（统一资源定位符）扮演着重要角色。我们常常需要检查用户输入的 URL 是否有效，以避免潜在的错误。在本文中，我将指导你如何使用 Python 来判断一个 URL 是否合法。通过分步骤讲解，我们将逐步实现这个功能。

流程概述

在实现 URL 合法性判断的过程中，我们将遵循以下步骤：

步骤	描述
1. 导入库	我们将使用标准库中的 `re` 和 `urllib` 模块。
2. 编写正则表达式	创建一个正则表达式以验证 URL 的格式。
3. URL 处理	使用 `urllib.parse` 解析 URL。
4. 完成验证	综合正则表达式和 URL 解析的结果来判断合法性。

接下来我们将详细解读每个步骤。

第一步：导入库

在 Python 中，我们首先需要导入用于处理 URL 的库。以下是相关代码：

import re  # 导入正则表达式库
from urllib.parse import urlparse  # 导入 URL 解析库

re 模块用于处理与字符串匹配有关的任务。
urlparse 函数用于分解 URL 字符串，使我们可以更方便地分析 URL 的组成部分。

第二步：编写正则表达式

接下来，我们将编写一个正则表达式来检查 URL 格式。以下是一个简单的示例：

url_regex = re.compile(
    r'^(?:http|ftp)s?://'  # 协议（http, https, ftp）
    r'(?:(?:[A-Z0-9](?:[A-Z0-9-]{0,61}[A-Z0-9])?\.)+(?:[A-Z]{2,6}\.?|[A-Z0-9-]{2,}\.?)|'  # 域名
    r'localhost|'  # localhost
    r'\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}|'  # IP 地址
    r'\[?[A-F0-9]*:[A-F0-9:]+\]?)'  # IPv6
    r'(:\d+)?(\/[-A-Z0-9+&@#\/%?=~_|!:,.;]*[-A-Z0-9+&@#\/%=~_|])?$', re.IGNORECASE)  # 端口和路径

这个正则表达式用于匹配不同类型的 URL，包括 HTTP、HTTPS、FTP 等。
采用 re.IGNORECASE 参数，使验证不区分大小写。

第三步：URL 处理

在验证 URL 格式后，我们还需要使用 urlparse 函数解析 URL。以下是解析的代码示例：

def parse_url(url):
    parsed_url = urlparse(url)  # 解析 URL
    return parsed_url

urlparse(url) 将输入的 URL 字符串解析为组件，例如协议、主机、路径等。

第四步：完成验证

最后，我们将结合上述步骤，创建一个函数来验证 URL 的合法性：

def is_valid_url(url):
    # 检查 URL 格式
    if not url_regex.match(url):
        return False  # 格式不合法就返回 False

    parsed = parse_url(url)  # 解析 URL

    # 检查协议和主机名是否存在
    if not all([parsed.scheme, parsed.netloc]):
        return False

    return True  # 如果以上校验通过，返回 True

is_valid_url(url) 函数将返回 True 或 False，表示该 URL 是否合法。
该函数首先检验格式，再解析 URL 并验证协议和网络位置是否存在。

状态图

以下是一个状态图，表示 URL 合法性判断的流程：

stateDiagram
    [*] --> 检查URL格式
    检查URL格式 --> 格式合法: 是
    格式合法 --> 解析URL
    格式合法 --> 格式不合法: 否
    检查URL格式 --> 格式不合法: 否
    解析URL --> 检查协议和主机名
    检查协议和主机名 --> 合法URL: 是
    检查协议和主机名 --> 非法URL: 否

完整代码示例

一个完整的代码示例如下：

import re
from urllib.parse import urlparse

# 定义 URL 正则表达式
url_regex = re.compile(
    r'^(?:http|ftp)s?://'  
    r'(?:(?:[A-Z0-9](?:[A-Z0-9-]{0,61}[A-Z0-9])?\.)+(?:[A-Z]{2,6}\.?|[A-Z0-9-]{2,}\.?)|'  
    r'localhost|'  
    r'\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}|'  
    r'\[?[A-F0-9]*:[A-F0-9:]+\]?)'  
    r'(:\d+)?(\/[-A-Z0-9+&@#\/%?=~_|!:,.;]*[-A-Z0-9+&@#\/%=~_|])?$', re.IGNORECASE)

def parse_url(url):
    parsed_url = urlparse(url)  
    return parsed_url

def is_valid_url(url):
    if not url_regex.match(url):
        return False  

    parsed = parse_url(url)  

    if not all([parsed.scheme, parsed.netloc]):
        return False

    return True  

# 测试
test_urls = [
    "
    "ftp://example.com/file.txt",
    "invalid-url"
]

for url in test_urls:
    print(f"{url} is valid: {is_valid_url(url)}")