解析字符串以获取域名/主机名

Question

我们的客户可以通过域名进入网站，也可以通过联系人输入邮件地址。

现在我们需要找到那些网站域名能与邮件地址的域名相关联的客户。

所以我的想法是提取网址和URL中的主机，并进行比较。

那么获取URL中主机名最可靠的算法是什么？

例如，主机名可以是：

foo.com
www.foo.com
http://foo.com
https://foo.com
https://www.foo.com

结果应始终为foo.com。

- Boas Enkler

---

澄清一下，由于您删除了带有.vu顶级域名的示例，您是在说您只关心.com顶级域名，还是这只是一种过度简化？ - Mike Pennington

这只是一种过于简单化的说法。它可以是任何类型的顶级域名，如.de、.eu、.biz等等......重要的要求是通过查看网站URL来找到可能与邮件地址匹配的候选者。 - Boas Enkler

Answer 1

不要依靠不可靠的正则表达式，使用System.Uri来完成解析。可以使用以下代码：

string uriStr = "www.foo.com";
if (!uriStr.Contains(Uri.SchemeDelimiter)) {
    uriStr = string.Concat(Uri.UriSchemeHttp, Uri.SchemeDelimiter, uriStr);
}
Uri uri = new Uri(uriStr);
string domain = uri.Host; // will return www.foo.com

现在如果只需要顶级域名，你可以使用以下方法：

string tld = uri.GetLeftPart( UriPartial.Authority ); // will return foo.com

- anubhava

---

域名后缀不应该只是"com"吗？ - mikesjawnbit

@anubhava说，uri.GetLeftPart(UriPartial.Authority)不能返回根域名，而是返回整个左侧URL的部分，从方案开始到端口结束（如果指定）。据我所知，忽略主机的子域名部分的唯一方法是使用两次string.LastIndexOf()显式截断它。 - Tim Coulter

我可以确认（至少在aspnetcore 3.1中），字符串tld = uri.GetLeftPart(UriPartial.Authority); // 在这里不会返回foo.com，它将返回www.foo.com（非www子域名同样如此）。 - MemeDeveloper

Answer 2

这是一个正则表达式，可以匹配您提供的URL。基本上，http和https等都是可选的，www也是如此。然后将所有内容与可能的路径匹配起来。

var expression = /(https?:\/\/)?(www\.)?([^\/]*)(\/.*)?$/;

这意味着：

var result = 'https://www.foo.com.vu/blah'.replace(expression, '$3')

将被评估为

result === 'foo.com.vu'

- cmilhench

---

问题是关于子域名的。我认为它们不应该包含在结果中。所以，product.mycompany.com 应该在 mycompany.com 中结束。 - Boas Enkler

这可能会相当困难，因为您无法计算点以娱乐子域（我想我试图说的是像.co.uk这样的东西会搞砸一切）。您可能需要进行两个检查，一个使用上面的表达式，另一个则剥离第一个点之前的字符。 - cmilhench

如果您评估具有无效字符的DNS名称（例如a!notit.com）或具有太多字符（超过63个字符），则此答案将失败。 - Mike Pennington

Answer 3

在c#中已经有一个URL解析器可以提取这些信息。

下面是一些示例http://www.stev.org/post/2011/06/27/C-HowTo-Parse-a-URL.aspx

- user625768

Answer 4

请查看此URL。与Authority不同，Host属性不包括端口号。

http://msdn.microsoft.com/en-us/library/system.uri.host(v=vs.110).aspx

- Rafi