我想匹配文本字符串中URL的根而不是整个URL。给定：
http://www.youtube.com/watch?v=ClkQA2Lb_iE
http://youtu.be/ClkQA2Lb_iE
http://www.example.com/12xy45
http://example.com/random
我想获取解析到 www.example.com 或 example.com 域的最后两个实例。
我听说正则表达式很慢，这将是页面上第二个正则表达式，所以如果有不使用正则表达式的方法，请告诉我。
我正在寻找一个JS/jQuery版本的解决方案。
一个不使用正则表达式的巧妙技巧：
var tmp = document.createElement ('a');
; tmp.href = "http://www.example.com/12xy45";
// tmp.hostname will now contain 'www.example.com'
// tmp.host will now contain hostname and port 'www.example.com:80'
将上述内容包装在以下函数中，您就可以轻松地从URI中获取域名部分。
function url_domain(data) {
var a = document.createElement('a');
a.href = data;
return a.hostname;
}
我给你3个可能的解决方案：
npm 包 psl，它可以提取任何你输入的内容。extractRootDomain，它适用于大多数情况。URL(url).hostname 可以使用，但不适用于每种边缘情况。点击“运行代码片段”查看其针对这些情况的表现。“公共后缀列表”是所有有效域名后缀和规则的列表，不仅包括国家代码顶级域名，还包括会被视为根域名的 Unicode 字符（例如www.食狮.公司.cn、b.c.kobe.jp等）。在此处了解更多信息。
尝试：
npm install --save psl
然后使用我的“extractHostname”实现运行：
let psl = require('psl');
let url = 'http://www.youtube.com/watch?v=ClkQA2Lb_iE';
psl.get(extractHostname(url)); // returns youtube.com
extractRootDomain实现以下是我编写的实现方式，它可以运行在各种可能的URL输入上。
function extractHostname(url) {
var hostname;
//find & remove protocol (http, ftp, etc.) and get hostname
if (url.indexOf("//") > -1) {
hostname = url.split('/')[2];
} else {
hostname = url.split('/')[0];
}
//find & remove port number
hostname = hostname.split(':')[0];
//find & remove "?"
hostname = hostname.split('?')[0];
return hostname;
}
// Warning: you can use this function to extract the "root" domain, but it will not be as accurate as using the psl package.
function extractRootDomain(url) {
var domain = extractHostname(url),
splitArr = domain.split('.'),
arrLen = splitArr.length;
//extracting the root domain here
//if there is a subdomain
if (arrLen > 2) {
domain = splitArr[arrLen - 2] + '.' + splitArr[arrLen - 1];
//check to see if it's using a Country Code Top Level Domain (ccTLD) (i.e. ".me.uk")
if (splitArr[arrLen - 2].length == 2 && splitArr[arrLen - 1].length == 2) {
//this is using a ccTLD
domain = splitArr[arrLen - 3] + '.' + domain;
}
}
return domain;
}
const urlHostname = url => {
try {
return new URL(url).hostname;
}
catch(e) { return e; }
};
const urls = [
"http://www.blog.classroom.me.uk/index.php",
"http://www.youtube.com/watch?v=ClkQA2Lb_iE",
"https://www.youtube.com/watch?v=ClkQA2Lb_iE",
"www.youtube.com/watch?v=ClkQA2Lb_iE",
"ftps://ftp.websitename.com/dir/file.txt",
"websitename.com:1234/dir/file.txt",
"ftps://websitename.com:1234/dir/file.txt",
"example.com?param=value",
"https://facebook.github.io/jest/",
"//youtube.com/watch?v=ClkQA2Lb_iE",
"www.食狮.公司.cn",
"b.c.kobe.jp",
"a.d.kyoto.or.jp",
"http://localhost:4200/watch?v=ClkQA2Lb_iE"
];
const test = (method, arr) => console.log(
`=== Testing "${method.name}" ===\n${arr.map(url => method(url)).join("\n")}\n`);
test(extractHostname, urls);
test(extractRootDomain, urls);
test(urlHostname, urls);URL(url).hostname
URL(url).hostname 是一个有效的解决方案，但它不能很好地处理一些边缘情况，我已经解决了这些问题。正如你在我的最后一个测试中看到的那样，它不喜欢一些网址。你肯定可以使用我的解决方案的组合来使它们全部起作用。URL().hostname，否则这是一个非常糟糕的解决方案，可能是所有解决方案中最慢的（因为它的捆绑大小）。 - Robin MétralURL().hostname 可能不适用。此外，我的 extractRootDomain 和 extractHostname 实现不需要 psl。 - Lewis Nakao无需解析字符串，只需将您的URL作为参数传递给URL构造函数:
const url = 'http://www.youtube.com/watch?v=ClkQA2Lb_iE';
const { hostname } = new URL(url);
console.assert(hostname === 'www.youtube.com');
https:// 的主机名，则可以使用 const { hostname, protocol } = new URL(url);。 - Timo{ origin } 来处理这个问题，它会自动为你处理。 - Dror Bar试试这个：
var matches = url.match(/^https?\:\/\/([^\/?#]+)(?:[\/?#]|$)/i);
var domain = matches && matches[1]; // domain will be null if no match is found
/^https?\:\/\/([^\/:?#]+)(?:[\/:?#]|$)/i
编辑：为了防止特定域名匹配，请使用负向预查 (?!youtube.com)。
/^https?\:\/\/(?!(?:www\.)?(?:youtube\.com|youtu\.be))([^\/:?#]+)(?:[\/:?#]|$)/i
对于这个问题有两个好的解决方案，具体取决于您是否需要优化性能（而且不需要外部依赖！）：
URL.hostname提高可读性最干净、最简单的解决方案是使用URL.hostname。
const getHostname = (url) => {
// use URL constructor and return hostname
return new URL(url).hostname;
}
// tests
console.log(getHostname("https://dev59.com/FWoy5IYBdhLWcg3wg-Ym"));
console.log(getHostname("https://developer.mozilla.org/en-US/docs/Web/API/URL/hostname"));URL.hostname 是 URL API 的一部分，除了 IE（caniuse）外，所有主流浏览器都支持它。如果需要支持旧版浏览器，请使用 URL polyfill。
额外福利：使用 URL 构造函数还可以让您访问其他 URL 属性和方法！
URL.hostname 对于大多数情况来说是首选。但是，它仍然比这个正则表达式慢得多 (在 jsPerf 上自行测试):
const getHostnameFromRegex = (url) => {
// run against regex
const matches = url.match(/^https?\:\/\/([^\/?#]+)(?:[\/?#]|$)/i);
// extract hostname (will be null if no match is found)
return matches && matches[1];
}
// tests
console.log(getHostnameFromRegex("https://dev59.com/FWoy5IYBdhLWcg3wg-Ym"));
console.log(getHostnameFromRegex("https://developer.mozilla.org/en-US/docs/Web/API/URL/hostname"));你应该使用URL.hostname。如果你需要处理大量的URL（性能是一个因素），可以考虑使用正则表达式。
解析URL可能会很棘手，因为您可能会有端口号和特殊字符。因此，我建议使用类似parseUri的工具来为您完成此操作。除非您正在解析数百个URL，否则我认为性能不会成为问题。
如果您来到这个页面并正在寻找最佳的URL正则表达式，请尝试使用以下内容：
^(?:https?:)?(?:\/\/)?([^\/\?]+)
你可以像下面这样使用它，也可以不区分大小写地匹配 HTTPS 和 HTTP：
https://regex101.com/r/pX5dL9/1
const match = str.match(/^(?:https?:)?(?:\/\/)?([^\/\?]+)/i);
const hostname = match && match[1];
它可以适用于没有http://，有http，有https，只有//的URL，并且不会获取路径和查询路径。
祝你好运
我尝试使用了提供的解决方案，但选定的那个对我的目的来说有些过头了，而“创建一个元素”则会让我的内容出现问题。
它还没有准备好在URL中进行传输。我希望有人能够发现它有用。
function parseURL(url){
parsed_url = {}
if ( url == null || url.length == 0 )
return parsed_url;
protocol_i = url.indexOf('://');
parsed_url.protocol = url.substr(0,protocol_i);
remaining_url = url.substr(protocol_i + 3, url.length);
domain_i = remaining_url.indexOf('/');
domain_i = domain_i == -1 ? remaining_url.length - 1 : domain_i;
parsed_url.domain = remaining_url.substr(0, domain_i);
parsed_url.path = domain_i == -1 || domain_i + 1 == remaining_url.length ? null : remaining_url.substr(domain_i + 1, remaining_url.length);
domain_parts = parsed_url.domain.split('.');
switch ( domain_parts.length ){
case 2:
parsed_url.subdomain = null;
parsed_url.host = domain_parts[0];
parsed_url.tld = domain_parts[1];
break;
case 3:
parsed_url.subdomain = domain_parts[0];
parsed_url.host = domain_parts[1];
parsed_url.tld = domain_parts[2];
break;
case 4:
parsed_url.subdomain = domain_parts[0];
parsed_url.host = domain_parts[1];
parsed_url.tld = domain_parts[2] + '.' + domain_parts[3];
break;
}
parsed_url.parent_domain = parsed_url.host + '.' + parsed_url.tld;
return parsed_url;
}
运行这个：
parseURL('https://www.facebook.com/100003379429021_356001651189146');
结果：
Object {
domain : "www.facebook.com",
host : "facebook",
path : "100003379429021_356001651189146",
protocol : "https",
subdomain : "www",
tld : "com"
}
此解决方案提供您的答案以及其他属性。无需JQuery或其他依赖项，复制并使用即可。
用法
getUrlParts("https://news.google.com/news/headlines/technology.html?ned=us&hl=en")
输出
{
"origin": "https://news.google.com",
"domain": "news.google.com",
"subdomain": "news",
"domainroot": "google.com",
"domainpath": "news.google.com/news/headlines",
"tld": ".com",
"path": "news/headlines/technology.html",
"query": "ned=us&hl=en",
"protocol": "https",
"port": 443,
"parts": [
"news",
"google",
"com"
],
"segments": [
"news",
"headlines",
"technology.html"
],
"params": [
{
"key": "ned",
"val": "us"
},
{
"key": "hl",
"val": "en"
}
]
}
代码
该代码旨在易于理解而不是超快速。它可以轻松地每秒调用100次，因此非常适用于前端或少量服务器使用，但不适用于高吞吐量。
function getUrlParts(fullyQualifiedUrl) {
var url = {},
tempProtocol
var a = document.createElement('a')
// if doesn't start with something like https:// it's not a url, but try to work around that
if (fullyQualifiedUrl.indexOf('://') == -1) {
tempProtocol = 'https://'
a.href = tempProtocol + fullyQualifiedUrl
} else
a.href = fullyQualifiedUrl
var parts = a.hostname.split('.')
url.origin = tempProtocol ? "" : a.origin
url.domain = a.hostname
url.subdomain = parts[0]
url.domainroot = ''
url.domainpath = ''
url.tld = '.' + parts[parts.length - 1]
url.path = a.pathname.substring(1)
url.query = a.search.substr(1)
url.protocol = tempProtocol ? "" : a.protocol.substr(0, a.protocol.length - 1)
url.port = tempProtocol ? "" : a.port ? a.port : a.protocol === 'http:' ? 80 : a.protocol === 'https:' ? 443 : a.port
url.parts = parts
url.segments = a.pathname === '/' ? [] : a.pathname.split('/').slice(1)
url.params = url.query === '' ? [] : url.query.split('&')
for (var j = 0; j < url.params.length; j++) {
var param = url.params[j];
var keyval = param.split('=')
url.params[j] = {
'key': keyval[0],
'val': keyval[1]
}
}
// domainroot
if (parts.length > 2) {
url.domainroot = parts[parts.length - 2] + '.' + parts[parts.length - 1];
// check for country code top level domain
if (parts[parts.length - 1].length == 2 && parts[parts.length - 1].length == 2)
url.domainroot = parts[parts.length - 3] + '.' + url.domainroot;
}
// domainpath (domain+path without filenames)
if (url.segments.length > 0) {
var lastSegment = url.segments[url.segments.length - 1]
var endsWithFile = lastSegment.indexOf('.') != -1
if (endsWithFile) {
var fileSegment = url.path.indexOf(lastSegment)
var pathNoFile = url.path.substr(0, fileSegment - 1)
url.domainpath = url.domain
if (pathNoFile)
url.domainpath = url.domainpath + '/' + pathNoFile
} else
url.domainpath = url.domain + '/' + url.path
} else
url.domainpath = url.domain
return url
}
getUrlParts('www.google.com')。 - Chamilyanvar url="https://mail.gggg.google.cn/link/link/link"; domainroot 应该是 google.com，但输出结果为：gggg.google.cn，而 gggg 是一个子域名（域名可以有多个子域名）。 - None只需使用URL() 构造器：
new URL(url).host