linuxshell正则表达式如何匹配域名（包含中文域名）

linux shell正则表达式如何匹配域名（包含中文）

• shell匹配域名
• • 1. 匹配示例
  • 2.使用差别
  • 3.中文域名
  • 4.为什么[\u4e00-\u9fa5]不能匹配中文（**想直接获取匹配包含中文域名的小伙伴，点这里直接跳转**）
  • 5.分析正则表达式
  
  

1. 匹配示例

最近的项目需要校验一下域名格式匹配，百度一下，说明如下：

• DNS规定，域名中的标号都由英文字母和数字组成，每一个标号不超过63个字符，也不区分大小写字母。标号中除连字符（-）外不能使用其他的标点符号。级别最低的域名写在最左边，而级别最高的域名写在最右边。由多个标号组成的完整域名总共不超过255个字符。
  由此匹配完整域名的正则表达式：

^[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(\.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})*$


使用例如：

#echo "baidu.com " | egrep "^[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(\.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})*$"
#baidu.com


另外搜索到好多这种类似规则：

^(?=^.{3,255}$)[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(\.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+$


这类规则使用上面的egrep 会不生效，无法正确匹配，可使用下面的方法：

#echo "baidu.com " | grep -P "^(?=^.{3,255}$)[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(\.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+$"
#baidu.com


2.使用差别

可以从上面的使用上看到，我将 egrep替换成了 grep -P ,原因如下：
A. grep -P

man grep的时候有一个-P，文档上的英文：

-P, --perl-regexp

Interpret PATTERN as a Perl regular expression. This is highly experimental and grep -P may warn of nimplemented features.


这意思是，-P 可以让grep使用perl的正则表达式语法，因为perl的正则更加多元化，能实现更加复杂的场景。

B. egrep

正则表达式根据元字符的数量及功能不同又分为基本正则表达式（grep）和拓展正则表达式（egrep）。而grep和egrep同属于文本搜索工具，可根据用户指定的文本模式（搜索条件）对目标文件进行逐行搜索，显示能匹配到的行。用法上grep –E等同于egrep，与grep和egrep相似的文本搜索工具还有fgrep，因不支持使用正则表达式，所以不再单独介绍。

从上面的区分介绍可知，在使用正则表达上的匹配上，grep -P 的语法更管饭一些，以后使用可多参考perl语法

3.中文域名

上面的匹配和搜索已经可以做到对域名的匹配，但上面的域名匹配中并不包含对中文的匹配。

中文国际域名： 中文域名必须包含汉字，并可以含字母（A-Z，a-z，大小写等价）、数字（0-9）或连接符（－）。各级中文域名之间用实点（.）连接，各级中文域名长度不得超过20个字符。简繁体为不同的域名。

需要将上面的内容和无中文域名结合：
这是我在网上找到的最详细的说明了。对应的正则表达式(不够详细，以下为例)：

^[a-zA-Z0-9\u4e00-\u9fa5][-a-zA-Z0-9\u4e00-\u9fa5]{0,62}(\.[a-zA-Z0-9\u4e00-\u9fa5][-a-zA-Z0-9\u4e00-\u9fa5]{0,62})*$


其中，\u4E00-\u9FA5 就是代表着中文的意思，以上的格式在网上的在线正则表达式匹配上都可以执行通过，但是，可但是，拿到linux操作系统中，执行以下脚本，却会报错：

# echo "阿斯蒂芬.dsaf"|egrep "/^[A-Za-z0-9_\u4E00-\u9FA5]+([\.\-][A-Za-z0-9_\u4E00-\u9FA5]+)*$/"
# grep: Invalid range end


搜索了下，没有得到确切的答案，比较靠谱的一个答案这样说：

需要根据系统bash的中文编码规则进行匹配

凉了。这怎么办？

4.为什么[\u4e00-\u9fa5]不能匹配中文（想直接获取匹配包含中文域名的小伙伴，点这里直接跳转）

grep正则匹配中文可以考虑：
grep ‘[^\u4e00-\u9fa5]’ test.log （如果不生效，见下面的命令）
注： grep ‘[\u4e00-\u9fa5]’ test.log 命令经常不生效
此外下面命令可生效：
grep -P ‘[\p{Han}]’ test.log
参考：https://blog.csdn.net/u010627840/article/details/41863395

直到找到了上面的说法，才找到匹配的方式，废话不说，上代码：

# echo "2a阿萨德2.sdf.as打扫房间dfas" |grep -P "^(?=^.{3,255}$)[a-zA-Z0-9\p{Han}][-a-zA-Z0-9\p{Han}]{0,62}(\.[a-zA-Z0-9\p{Han}][-a-zA-Z0-9\p{Han}]{0,62})+$"
# 2a阿萨德2.sdf.as打扫房间dfas


成功匹配！！！！！！

5.分析正则表达式

• (?=^.{3,255}$)
  匹配3-255个字符
• [a-zA-Z0-9\p{Han}][-a-zA-Z0-9\p{Han}]{0,62}
  匹配“a-z A-Z 0-9 中文 - a-z A-Z 0-9 中文” 以内的的字符，字符个数在0-62之间
• (.[a-zA-Z0-9\p{Han}][-a-zA-Z0-9\p{Han}]{0,62})+$
  至少出现一次

不知道上面的说法是否正确，如果有不确定的描述，可留言纠正哈~~[\抱拳]