正则表达式匹配主域名

Question

我需要能够识别任何子域名的域名。

例如：

对于所有这些，我只需要匹配 example.co / example.com / example.org / example.co.uk / example.com.au / example.gov.us 等等。

www.example.co
www.first.example.co
first.example.co
second.first.example.co
no.matter.how.many.example.co
first.example.co.uk
second.first.example.co.uk
no.matter.how.many.example.co.uk
first.example.org
second.first.example.org
no.matter.how.many.example.org
first.example.gov.uk
second.first.example.gov.uk
no.matter.how.many.example.gov.uk

我整天都在玩正则表达式，也一直在谷歌上搜寻资料，但还是找不到合适的。编辑2：我更喜欢一个可能会因为像t.co这样非常奇怪的情况而失败的正则表达式，然后列出所有TLD并使我没有列出但可以预测的TLD失败，并使其匹配更多内容。这不是你会选择的选项吗？更新：根据所选答案的指导，我构建了这个正则表达式，可以完成我的工作。它可能不完美，但到目前为止我还没有遇到过它失败的情况。

- transilvlad

Answer 1

这将匹配：

([0-9A-Za-z]{2,}\.[0-9A-Za-z]{2,3}\.[0-9A-Za-z]{2,3}|[0-9A-Za-z]{2,}\.[0-9A-Za-z]{2,3})$

只要满足以下两点要求，就可以匹配成功：

1. 每行结尾没有多余的空格
2. 所有使用的域名代码都是短的，只有两个或三个字母长。无法与.info等长的域名代码一起使用。

基本上它会匹配以下任意一种情况：

1. 两个或更长的单词：点：两个或三个字母的单词：点：两个或三个字母的单词：行末
2. 两个或更长的单词：点：两个或三个字母的单词：行末

简短版本：

(\w{2,}\.\w{2,3}\.\w{2,3}|\w{2,}\.\w{2,3})$

如果您希望它仅匹配整行，则在开头添加^。

这是我测试的方法：

- Tulains Córdova

---

第一个部分中是否有只有一个字母的TDL？ - transilvlad

@tntu，我刚刚修改了正则表达式，不匹配单个字母的单词。请再次检查。 - Tulains Córdova

这是非常好的正则表达式，但它会匹配到错误的结果，比如"ome.to.co.uk"。不管怎样，感谢您，目前看来它似乎符合我所有的情况。 - transilvlad

国际化域名将会失败。例如：кто.рф，北京大学.cn。 - Slava

它与rufus.akeo.ie不匹配。 - amuliar

Answer 2

如果你想要一个绝对正确的匹配器，正则表达式并不是最佳选择。

为什么呢？

因为这两个都是有效的域名 + 顶级域名：goo.gl、t.co。

因为这两个只是顶级域名而不是域名：com.au、co.uk。

任何你可能创建的正则表达式，如果要处理以上所有情况，就需要列出所有有效的顶级域名，这将打败使用正则表达式的初衷。

相反，只需创建/获取当前顶级域名列表，并查看其中哪一个存在，然后添加它前面的第一个段落即可。

- Amber

---

不，实际上不能 - 至少不是在将那个正则表达式变成有效顶级域名数据库之前。 - Amber

@Amber，他/她不想检查域名的正确性。他/她只是想从文本样例中提取类似于域名的模式。 - Tulains Córdova

@Amber我知道正则表达式或代码选项中的任何一个在某些情况下都会失败，但是正则表达式可以被设计来适应大多数情况，不是吗？我更喜欢匹配完整地址而不是没有匹配。 - transilvlad

TLD仍然有效。我不知道你为什么认为它们无效。有一段时间，to域正在运行一个URL缩短服务:http://to./，您只需要将其设置为FQDN即可到达。 - OmnipotentEntity

@Amber提出了一个非常有价值的观点。创建和维护一个可以捕获所有可能性的正则表达式将会非常困难。如何继续取决于您需要它做什么。您可以通过不允许无效字符、要求至少一个点、不允许--（除了在^xn--之后）来捕获大多数问题。对于完整的验证，使用数据库可能是最好的选择。尝试这个。 - fazy

Answer 3

这可能有用。这将它们分成了点记号。 然后只需简单地拆分即可。
[^/:"]*\.[^/:"]*

- Beezer