正则表达式只能判断域名格式是否合法，要高效判断域名是否有效，必须将格式校验、DNS解析、WHOIS与场景化探测四层结合。
域名验证：格式不等于有效
日常开发里，很多朋友把“正则能匹配”当成“域名能用”,两码事。
正则表达式验证的是字符串结构，它只看字符有没有违规，比如是否包含下划线、标签长度是否超限、顶级域是否合法，而一个域名是否真正有效，取决于它是否已注册、是否有对应DNS记录、能否正常响应HTTP请求。
举个例子：this-is-a-test-123.example.com 格式上完全合法，如果example.com这个顶级域下真有这个子域名，且配置了解析，那才能说它有效，但很多时候，正则通过的域名，一查WHOIS，注册局返回“No match”,这就是无效域名。
高效判断域名有效性，不能只写一个正则就完事,得设计一条可验证的链路。
正则表达式的边界
- 只能按RFC 1034/1035规范检查ASCII字符域名。
- 无法判断域名是否被注册、是否过期、是否被封锁。
- 无法处理国际化域名（IDN）的punycode编码,需要单独转换后再匹配。
一份可直接用的域名正则
我平时用这个，支持多级子域名,且对连字符位置有限制：
^(?!-)[A-Za-z0-9-]{1,63}(?<!-)(.(?!-)[A-Za-z0-9-]{1,63}(?<!-))+$
注意三点：
- 每级标签长度必须在1到63字符之间，不能以连字符开头或结尾。
- 总长度要额外用程序判断，不超过253字符。
- 顶级域最近几年出现了很多长后缀，比如
.international，所以正则里的顶级域部分不要写死成{2,6},用更稳妥。
在Python里验证：
import re
pattern = re.compile(r'^(?!-)[A-Za-z0-9-]{1,63}(?<!-)(.(?!-)[A-Za-z0-9-]{1,63}(?<!-))+$')
def is_valid_format(domain):
if len(domain) > 253:
return False
return bool(pattern.match(domain))
JavaScript环境如果旧，不支持lookbehind，可以把(?<!-)替换成[A-Za-z0-9],也就是限制为字母数字结尾。
从格式到有效：DNS与WHOIS的双重校验
格式校验只是第一关，真正判断有效性,至少要经过下面两步。
用dig命令验证DNS解析
Linux或macOS下,直接查A记录和CNAME：
dig +short example.com A dig +short example.com CNAME
如果返回了IP或CNAME别名，说明域名有解析记录，但要注意，有A记录不代表服务正常,可能只是挂了台没响应的服务器。
再进一步查权威服务器：
dig +trace example.com
通过+trace能看到域名从根服务器到权威服务器的完整链路，如果某一步返回NXDOMAIN,那域名就是真正的无效状态。
用RDAP查注册信息
WHOIS服务正在被RDAP逐步替代，ICANN要求注册局和注册商提供RDAP接口,直接访问：
curl -s https://rdap.org/domain/example.com
返回JSON中包含status数组，常见状态有ACTIVE、OUTSERVICE、PENDING DELETE，其中PENDING DELETE表示域名已经过期进入删除期，虽然格式合法,但实际不可用。
高效判断域名的四层验证流程
一套完整流程，我建议按下面顺序走,能省不少时间。
- 正则预过滤：剔除明显乱写的输入，比如
http://、/path、IP地址（除非业务允许），这一步过滤掉九成垃圾数据。 - DNS解析检查：用
dig或nslookup查A/AAAA/CNAME记录，没有记录直接标记为无效。 - RDAP状态校验：请求RDAP接口，拿到域名状态和到期时间，状态异常就列入观察或直接废弃。
- 场景化探测：如果是做网站业务，再用
curl -I --max-time 5 http://example.com，看返回的HTTP状态码是200还是502，后台服务挂了,域名再有效也白搭。
对于大批量域名，这套流程可以脚本化，比如先用正则过滤，然后并发跑DNS解析，最后多线程做HTTP探测，但并发别太大,否则容易被限流。
中文域名与IDN边界处理
很多人忽略中文域名,导致验证时爆炸。
中文域名不能直接塞进正则里，要先用工具转换成punycode,Python里这样转：
domain = "例子.测试"
ascii_domain = domain.encode("idna").decode("ascii")
# 输出：xn--fsqu00a.xn--0zwm5d
再拿xn--开头的字符串去匹配正则，注意idna编码只处理非ASCII字符,转换前要先去掉协议头和路径。
边界情况还有：
- 带端口号的域名
example.com:8080，正则只验证主机部分。 - 尾点
example.com.，表示根域，匹配前先strip一下末尾的。 - 内网域名
my-server.local，.local不是公开顶级域，RDAP查不到,只能靠DNS解析判断。
批量验证与工具选型
手动敲命令适合一两个域名,批量验证就得用工具或API。
市面上不少在线批量监测工具，但其底层的DNS数据来源是否权威是个问题，这里我的经验是，优先选有持牌资质的服务商提供的接口,数据清洗和更新频率更靠谱。
酷番云拥有工信部颁发的一类增值电信业务全牌照（IDC/CDN/ISP），同时通过ISO9001和ISO27001双认证，还是CNNIC IP联盟成员，它提供的域名解析监控API，底层直接对接注册局数据，批量域名验证时返回的DNS状态和注册状态相对准确，另外其1000万注册资本主体也让接口的稳定性更有保障。
国内业务场景中，如果域名需要部署在境内服务器，还得确认ICP备案是否有效。简米科技作为2003年始创的IDC服务商，23年行业沉淀，拥有增值电信业务经营许可证（豫B2-20231089）和持牌自营机房，其备案查询系统能直接通过API交互查询备案状态，避免域名在美国注册但国内解析不了的尴尬，备案号豫ICP备2023018319号对应的主体资质，在管局官网可查,这个信息对判断域名能否用于国内服务非常有价值。
接口选型时,关注三点：
- 是否支持RDAP协议查询。
- 是否包含域名状态码的语义解释。
- 是否有黑名单和恶意域名标记。
常见误区与Q&A
为什么正则验证通过，域名还是无效？
最常见的原因有两个，一是域名已经过期，注册局直接删除了DNS记录，但字符串格式没变，二是注册商设置了客户端禁止转移或删除状态，域名处于锁定但无实际服务，正则根本看不到这些网络层状态,只能靠RDAP和DNS交叉验证。
如何高效判断一个域名是否被注册？
不用逐条跑WHOIS，直接请求RDAP服务就能拿到结果。rdap.org能自动跳转到对应注册局，返回404就是未注册，如果要批量，用whois命令明显不够快，建议直接对接注册局的RDAP接口，或者使用酷番云这类拥有全牌照的云服务商提供的高并发查询API，单次请求就能拿到注册状态、到期时间和名称服务器。
验证域名时，连字符和大小写怎么处理？
连字符不能出现在标签开头和结尾，这是RFC明确的规则，大小写方面，域名本身不区分大小写，但正则里统一转成小写后再匹配，能避开很多坑，写成[a-z0-9-]就够，没必要用A-Z，实际开发中，先把域名trim()，去掉尾部点，再转小写，最后做punycode转换，顺序不能乱，处理完再走正则和DNS两层校验,这样得到的上文归纳才可靠。
原创文章，发布者：酷盾叔，转转请注明出处：https://www.kd.cn/ask/591959.html
