使用正则表达式从URL中提取顶级和二级域名

Question

如何使用正则表达式从URL中仅提取顶级和二级域名？我想跳过所有较低级别的域。有什么想法吗？

Answer 1

这是我的主意，

使用$锚点从行尾开始三次匹配任何不是点的内容。

字符串末尾的最后一个匹配项应该是可选的，以支持.com.au或.co.nz类型的域。

最后一个匹配和倒数第二个匹配都只匹配2-3个字符，所以它不会与二级域名混淆。

正则表达式：

[^.]*\.[^.]{2,3}(?:\.[^.]{2,3})?$

Demonstration:

Regex101 Example

Answer 2

2019年更新

这是一个古老的问题，随着我们开始添加新的虚荣old和更多的ccTLD二级域名(例如.co.uk，.org.uk)，这里的挑战要复杂得多。如此之多，以至于一个正则表达式几乎肯定会返回假阳性或假阴性。

可靠地获取主要主机的唯一方法是调用一个知道它们的服务，比如Public Suffix List。

有几个开源库可以使用，比如psl，也可以编写自己的开源库。

psl的用法非常直观。从他们的文档中：

var psl = require('psl');

// Parse domain without subdomain
var parsed = psl.parse('google.com');
console.log(parsed.tld); // 'com'
console.log(parsed.sld); // 'google'
console.log(parsed.domain); // 'google.com'
console.log(parsed.subdomain); // null

// Parse domain with subdomain
var parsed = psl.parse('www.google.com');
console.log(parsed.tld); // 'com'
console.log(parsed.sld); // 'google'
console.log(parsed.domain); // 'google.com'
console.log(parsed.subdomain); // 'www'

// Parse domain with nested subdomains
var parsed = psl.parse('a.b.c.d.foo.com');
console.log(parsed.tld); // 'com'
console.log(parsed.sld); // 'foo'
console.log(parsed.domain); // 'foo.com'
console.log(parsed.subdomain); // 'a.b.c.d'

旧答案

您可以使用以下代码：

(\w+\.\w+)$

如果没有更多的细节(示例文件，您正在使用的语言)，就很难准确地辨别出这是否可以工作。

示例：http://regex101.com/r/wD8eP2

Answer 3

对于任何使用JavaScript并想要一种简单的方法来提取顶级和二级域名的人，我最终这样做了：

'example.aus.com'.match(/\.\w{2,3}\b/g).join('')

它匹配句点后跟两个或三个字符，然后是word boundary的任何内容。

以下是一些示例输出：

'example.aus.com'       // .aus.com
'example.austin.com'    // .austin.com
'example.aus.com/howdy' // .aus.com
'example.co.uk/howdy'   // .co.uk

有些人可能需要一些更聪明的东西，但对于我的特定数据集来说，这已经足够了。

编辑

我已经意识到实际上有相当多的二级域名超过3个字符(并且允许)。因此，为了简单起见，我只删除了regex中的字符计数元素：

'example.aus.com'.match(/\.\w*\b/g).join('')