我可以如何从URL字符串中获取域名？
+----------------------+------------+
| input | output |
+----------------------+------------+
| www.google.com | google |
| www.mail.yahoo.com | mail.yahoo |
| www.mail.yahoo.co.in | mail.yahoo |
| www.abc.au.uk | abc |
+----------------------+------------+
相关链接：
正则表达式示例：
.*([^\.]+)(com|net|org|info|coop|int|co\.uk|org\.uk|ac\.uk|uk|__and so on__)$
这种方法非常有效，而且还可以匹配奇怪的非官方顶级域名，比如de.com等。
好处：
当然，这种解决方案的缺点是：
*.uk，因此@pi.关于无法匹配ac.uk的担忧不再适用。 - user82216有点晚了，但是:
const urls = [
'www.abc.au.uk',
'https://github.com',
'http://github.ca',
'https://www.google.ru',
'http://www.google.co.uk',
'www.yandex.com',
'yandex.ru',
'yandex'
]
urls.forEach(url => console.log(url.replace(/.+\/\/|www.|\..+/g, '')))www.mail.yahoo.co.in，期望的输出是mail.yahoo，但实际输出为mail。 - Quentin准确提取域名可能会很棘手，这主要是因为域名扩展名可能包含两个部分（例如.com.au或.co.uk），而子域名（前缀）可能存在，也可能不存在。列出所有的域名扩展名不是一个选项，因为其中有数百个。例如，EuroDNS.com列出了超过800个域名扩展名。
因此，我编写了一个简短的PHP函数，它使用“parse_url()”和一些关于域名扩展名的观察结果来准确提取URL组件和域名。该函数如下：
function parse_url_all($url){
$url = substr($url,0,4)=='http'? $url: 'http://'.$url;
$d = parse_url($url);
$tmp = explode('.',$d['host']);
$n = count($tmp);
if ($n>=2){
if ($n==4 || ($n==3 && strlen($tmp[($n-2)])<=3)){
$d['domain'] = $tmp[($n-3)].".".$tmp[($n-2)].".".$tmp[($n-1)];
$d['domainX'] = $tmp[($n-3)];
} else {
$d['domain'] = $tmp[($n-2)].".".$tmp[($n-1)];
$d['domainX'] = $tmp[($n-2)];
}
}
return $d;
}
这个简单的函数几乎在所有情况下都有效。有一些例外，但非常罕见。
为了演示/测试这个函数，你可以使用以下方法：
$urls = array('www.test.com', 'test.com', 'cp.test.com' .....);
echo "<div style='overflow-x:auto;'>";
echo "<table>";
echo "<tr><th>URL</th><th>Host</th><th>Domain</th><th>Domain X</th></tr>";
foreach ($urls as $url) {
$info = parse_url_all($url);
echo "<tr><td>".$url."</td><td>".$info['host'].
"</td><td>".$info['domain']."</td><td>".$info['domainX']."</td></tr>";
}
echo "</table></div>";
对于所列出的URL，输出将如下所示：
正如您所看到的，无论提供给函数的URL是什么，域名和不带扩展名的域名始终会被一致地提取。
希望这能够帮助到您。
sub1.sub2.test.co.it在你的情况下能用吗？ - ToiletGuy/^(?:www\.)?(.*?)\.(?:com|au\.uk|co\.in)$/
有两种方法
使用 split
然后解析该字符串
var domain;
//find & remove protocol (http, ftp, etc.) and get domain
if (url.indexOf('://') > -1) {
domain = url.split('/')[2];
} if (url.indexOf('//') === 0) {
domain = url.split('/')[2];
} else {
domain = url.split('/')[0];
}
//find & remove port number
domain = domain.split(':')[0];
使用正则表达式
var r = /:\/\/(.[^/]+)/;
"https://dev59.com/kG435IYBdhLWcg3wkA5e".match(r)[1]
=> stackoverflow.com
没有使用顶级域名列表进行比较是不可能的，因为存在许多类似 http://www.db.de/ 或 http://bbc.co.uk/ 的情况，正则表达式会将其解释为域名 db.de（正确）和 co.uk（错误）。
但即使这样，如果您的列表中不包含二级域名（SLD），也无法成功。URLs 如 https://liverpool.gov.uk.com/ 将被解释为 gov.uk.com（错误）。
因此，所有浏览器都使用 Mozilla 的公共后缀列表： https://en.wikipedia.org/wiki/Public_Suffix_List
您可以通过以下 URL 导入到您的代码中使用它： https://raw.githubusercontent.com/publicsuffix/list/master/public_suffix_list.dat
随意扩展我的函数，仅提取域名。它不使用正则表达式，速度很快： http://www.programmierer-forum.de/domainnamen-ermitteln-t244185.htm#3471878我不知道有任何相关的库，但是对于域名的字符串处理非常容易。
难点在于如何知道该名称是否位于第二级或第三级。为此，您需要维护一个数据文件（例如对于.uk并不总是第三级，一些组织（例如bl.uk，jet.uk）存在于第二级）。
Mozilla的Firefox源代码中提供了这样的数据文件，请检查Mozilla许可证以确定是否可以重用它：Firefox源代码。
import urlparse
GENERIC_TLDS = [
'aero', 'asia', 'biz', 'com', 'coop', 'edu', 'gov', 'info', 'int', 'jobs',
'mil', 'mobi', 'museum', 'name', 'net', 'org', 'pro', 'tel', 'travel', 'cat'
]
def get_domain(url):
hostname = urlparse.urlparse(url.lower()).netloc
if hostname == '':
# Force the recognition as a full URL
hostname = urlparse.urlparse('http://' + uri).netloc
# Remove the 'user:passw', 'www.' and ':port' parts
hostname = hostname.split('@')[-1].split(':')[0].lstrip('www.').split('.')
num_parts = len(hostname)
if (num_parts < 3) or (len(hostname[-1]) > 2):
return '.'.join(hostname[:-1])
if len(hostname[-2]) > 2 and hostname[-2] not in GENERIC_TLDS:
return '.'.join(hostname[:-1])
if num_parts >= 3:
return '.'.join(hostname[:-2])
这段代码不能保证适用于所有URL，并且不会过滤那些语法正确但无效的URL，例如'example.uk'。
但是在大多数情况下，它可以完成工作。
google.com -> google.com -> google
www.google.com -> google.com -> google
google.co.uk -> google.co.uk -> google
www.google.co.uk -> google.co.uk -> google
www.google.org -> google.org -> google
www.google.org.uk -> google.org.uk -> google
可选：
www.google.com -> google.com -> www.google
images.google.com -> google.com -> images.google
mail.yahoo.co.uk -> yahoo.co.uk -> mail.yahoo
mail.yahoo.com -> yahoo.com -> mail.yahoo
www.mail.yahoo.com -> yahoo.com -> mail.yahoo
(co|com|gov|net|org)
如果是这些之一，则需要匹配3个点，否则需要匹配2个点。简单吧。现在，我的正则表达式技巧不如其他SO用户的高超，所以我发现实现这一点的最佳方法是使用一些代码，假设您已经去掉了路径：
my @d=split /\./,$domain; # split the domain part into an array
$c=@d; # count how many parts
$dest=$d[$c-2].'.'.$d[$c-1]; # use the last 2 parts
if ($d[$c-2]=~m/(co|com|gov|net|org)/) { # is the second-last part one of these?
$dest=$d[$c-3].'.'.$dest; # if so, add a third part
};
print $dest; # show it
根据您的问题，如果只需要获取名称：
my @d=split /\./,$domain; # split the domain part into an array
$c=@d; # count how many parts
if ($d[$c-2]=~m/(co|com|gov|net|org)/) { # is the second-last part one of these?
$dest=$d[$c-3]; # if so, give the third last
$dest=$d[$c-4].'.'.$dest if ($c>3); # optional bit
} else {
$dest=$d[$c-2]; # else the second last
$dest=$d[$c-3].'.'.$dest if ($c>2); # optional bit
};
print $dest; # show it
我喜欢这种方法是因为它是无需维护的。除非您想验证它是否是合法域名，但这有点毫无意义，因为您很可能只使用它来处理日志文件，而无效的域名不会首先出现在其中。
如果您想匹配"非官方"子域名，例如bozo.za.net、bozo.au.uk、bozo.msf.ru，只需将(za|au|msf)添加到正则表达式中即可。
我很想看到有人仅使用正则表达式完成所有这些操作，我相信这是可能的。
我知道你实际上是在询问正则表达式，而不是特定的语言。但是在Javascript中，你可以像这样做。也许其他语言可以以类似的方式解析URL。
const domain = (new URL(str)).hostname.replace("www.", "");
为了完整性，请将此解决方案保留在js中。
http://en.wikipedia.org/wiki/URL，该URL中的域名是en.wikipedia.org。 - Thanatos