Javascript/Regex 用于仅查找没有子域的根域名

Question

我进行了搜索，发现了很多类似的正则表达式示例，但不完全是我需要的。

我希望能够传入以下网址并返回结果：

• www.google.com 返回 google.com

• sub.domains.are.cool.google.com 返回 google.com >

• doesntmatterhowlongasubdomainis.idont.wantit.google.com< /强> 返回 google.com

• sub.domain.google.com/no/thanks 返回 google.com

希望这是有道理的:) 预先感谢！-詹姆斯

Answer 1

您无法使用正则表达式执行此操作，因为您不知道后缀中有多少个块。

例如，google.com 的后缀为 com。要从 subdomain.google.com 到 google.com，您必须获取最后两个块 - 一个用于后缀，另一个用于 google。

如果您将此逻辑应用于 subdomain.google.co.uk，但最终会得到 co.uk。

您实际上需要从 http://publicsuffix.org/ 等列表中查找后缀

Answer 2

不要使用正则表达式，使用 .split() 方法并从那里开始工作。

var s = domain.split('.');

如果您的用例相当狭窄，您可以根据需要检查 TLD，然后根据需要返回最后 2 或 3 个片段：

return s.slice(-2).join('.');

它会让您的眼睛流血比任何正则表达式解决方案都少。

Answer 3

我知道这是一篇较旧的帖子，但这个正则表达式可以很好地匹配：

([^.]+(?:(?:\.[^.]{2,3}){1,2}|\.[^.]+))$

这是一个工作示例：
https://regex101.com/r/2F9pEt/1

Answer 4

我没有对此进行大量测试，但如果我理解您的要求，这应该是一个不错的起点...

([A-Za-z0-9-]+\.([A-Za-z]{3,}|[A-Za-z]{2}\.[A-Za-z]{2}|[A-za-z]{2}))\b

编辑：

澄清一下，它正在寻找：

一个或多个字母数字字符或破折号，后跟一个文字点

，然后是以下三项之一...

1. 三个或更多字母字符（即 com/net/mil/coop 等）
2. 两个字母字符，后跟一个文字点，后面跟着两个字母（即 co.uk）、
3. 两个字母字符（即 us/uk/to 等）

，最后是一个单词边界 (\b)，表示字符串的结尾、一个空格或非单词字符（在正则表达式中单词字符通常是字母数字和下划线）。

正如我所说，我没有做太多测试，但这似乎是一个合理的起点。您可能需要尝试并对其进行一些调整，即使如此，您也不可能在所有测试用例中获得 100% 的结果。有一些考虑因素，例如 Unicode 域名和各种技术上有效但您可能不会在野外遇到的事情，这些事情会导致像这样的简单正则表达式出错，但这可能会得到你已经完成了 90% 以上的任务。

Answer 5

如果您的数据子集有限，我建议保持正则表达式简单，例如

(([a-z\-]+)(?:\.com|\.fr|\.co.uk))

这将匹配：

www.google.com --> google.com
www.google.co.uk --> google.co.uk
www.foo-bar.com --> foo-bar.com

就我而言，我知道所有相关的 URL 将使用此正则表达式进行匹配。

收集示例数据集并根据您的正则表达式对其进行测试。在原型设计时，您可以使用 https://regex101.com/r/aG9uT0/1< 等工具来完成此操作/a>.在开发中，使用测试脚本将其自动化。

Answer 6

([A-Za-z0-9-]+\.([A-Za-z]{3,}|[A-Za-z]{2}\.[A-Za-z]{2}|[A-za-z]{2}))(?!\.([A-Za-z]{3,}|[A-Za-z]{2}\.[A-Za-z]{2}|[A-za-z]{2}))\b

这是对 theracoonbear 答案的改进。
我做了一些快速测试，发现如果您给它一个子域有子域的域，它将失败。我还想指出，“90%”绝对不慷慨。它会比你想象的更接近 100%。它适用于访问量最大的 50 个网站的所有子域，这些网站占全球互联网活动的很大一部分。唯一可能失败的情况是使用 unicode 域等。

我的解决方案开始时的工作方式与 theracoonbear 的相同。它不检查单词边界，而是使用负前瞻来检查末尾是否没有可能是 TLD 的内容（只需将 TLD 检查部分复制到负前瞻中）。

Answer 7

在没有测试顶级域名的有效性的情况下，我使用的是stormsweeper解决方案的改编版：

domain = 'sub.domains.are.cool.google.com'

s = domain.split('.')

tld = s.slice(-2..-1).join('.')

编辑：小心三部分顶级域名（如domain.co.uk）的问题。