匹配URL中最后两部分的正则表达式

Question

我正在尝试确定最佳的正则表达式，只匹配 url 中的最后两个字符串。

例如，在 www.stackoverflow.com 中，我只想匹配 stackoverflow.com

问题在于，某些字符串可能会有大量的句点，例如

a-abcnewsplus.i-a277eea3.rtmp.atlas.cdn.yimg.com 

当我处理的URL集合没有任何路径信息时，可以假设字符串的最后一部分始终是.org或.com或类似的内容。

在上述条件下，运行哪个正则表达式将返回 stackoverflow.com 以及在运行a-abcnewsplus.i-a277eea3.rtmp.atlas.cdn.yimg.com时返回 yimg.com？

- user7980

---

你在使用哪种编程语言？你尝试过什么？ - Rohit Jain

你确定你是指 URL 吗？听起来更像是 host。 - Prinzhorn

您需要支持以“.co.uk”或类似方式结尾的域名吗？ - Marc Baumbach

如果你的编程语言有URL功能，你可以使用它来提取主机名，然后使用一些简单的indexOf方法来提取出来。 - nhahtdh

我建议查看https://dev59.com/0nVC5IYBdhLWcg3wcwwm，因为该答案提供了有关解析域名的复杂性的详细信息。 - Marc Baumbach

Answer 1

您不必使用正则表达式，而是可以使用简单的 explode 函数。

因此，您要将 URL 在句点处分割，例如：

$url = "a-abcnewsplus.i-a277eea3.rtmp.atlas.cdn.yimg.com";
$url_split = explode(".",$url);

然后您需要获取最后两个元素，这样您就可以从创建的数组中输出它们。

//this will return the second to last element, yimg
echo $url_split[count($url_split)-2];
//this will echo the period
echo ".";
//this will return the last element, com
echo $url_split[count($url_split)-1];

最终你会得到yimg.com作为最终输出结果。希望这可以帮助你。

- Charles

Answer 2

如果您需要一种在多种语言中都能兼容 Perl 正则表达式的解决方案，您可以使用类似以下 PHP 示例的方法。

$url = "a-abcnewsplus.i-a277eea3.rtmp.atlas.cdn.yimg.com";

preg_match('|[a-zA-Z-0-9]+\.[a-zA-Z]{2,3}$|', $url, $m);
print($m[0]);

这个正则表达式可以确保您获取URL +域名的最后一部分。例如，使用a-abcnewsplus.i-a277eea3.rtmp.atlas.cdn.yimg.com将产生以下结果：

yimg.com

作为输出，使用www.stackoverflow.com（前缀三个w与否均可），它将给您返回结果。

stackoverflow.com

结果

- akhilless

Answer 3

我不知道你到目前为止尝试了什么，但我可以提供以下解决方案：

/.*?([\w]+\.[\w]+)$/

这里有几个技巧：

1. 使用 $ 匹配到字符串的结尾。这样你就可以确保你的正则表达式引擎不会从一开始就捕获匹配。

2. 在 (... ) 中使用分组。实际上，它的意思是：匹配包含至少一个字母的单词，然后应该有一个点（反斜杠因为点在正则表达式中具有特殊意义，我们想要它“原样”），然后再次是至少一个字母的系列）。

3. 在模式的开头使用勉强搜索，否则它将以贪婪的方式匹配所有内容，例如，如果您的文本是：

   abc.def.gh

贪婪匹配将在您的组中给出 f.gh，这不是您想要的。

我假设您的主机中只能有字母（\w 匹配单词，在您的示例中可能需要更复杂的内容）。

我在此发布了一个可行的 Groovy 示例，您没有指定您使用的语言，但引擎应该是类似的。

def  s = "abc.def.gh"
def m = s =~/.*?([\w]+\.[\w]+)$/
println m[0][1] // outputs the first (and the only you have) group in groovy

希望这能有所帮助。

- Mark Bramnik

---

那么包含数字等字符的URL呢？似乎 [\w] 无法覆盖这些情况。 - akhilless

Answer 4

一个更短的版本

/(\.[^\.]+){2}$/

- nachocab