Javascript/Regex用于查找没有子域的根域名

Question

我进行了搜索，找到了很多类似的正则表达式示例，但并不完全符合我的需要。

我希望能够传入以下urls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返回google.com
• sub.domain.google.com/no/thanks返回google.com

希望这是有意义的:)预先感谢！-James

Answer 1

您不能使用正则表达式来实现这一点，因为您不知道后缀中有多少块。

例如，google.com的后缀为com。要从subdomain.google.com到google.com，你必须使用最后两个街区--一个是后缀，另一个是谷歌。

但是，如果将此逻辑应用于subdomain.google.co.uk，则最终会得到co.uk。

实际上，您需要从像http://publicsuffix.org/这样的列表中查找后缀

Answer 2

不要使用regex，使用.split()方法并在那里工作。

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

如果用例相当狭窄，则可以根据需要检查TLD，然后酌情返回最后的2或3段：

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

它会让你的眼睛出血比任何药水都少。

Answer 3

我对此没有做太多的测试，但如果我理解你的要求，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：

为了澄清，它正在寻找：

一个或多个字母数字字符或破折号，后面跟着一个文字点

然后三件事之一。

1. 三个或更多阿尔法字符(即com/net/mil/coop等)
2. 两个字母字符，后面跟着一个文字点，后面跟着两个阿尔法字符(即co.uk)
3. 两个阿尔法字符(即us/uk/to等)

在结尾处，单词边界(\b)表示字符串、空格或非单词字符的结尾( regex单词字符通常是alpha-数字和下划线)。

正如我所说，我没有做太多的测试，但这似乎是一个合理的起点。您可能需要尝试并对其进行调优，即使这样，您也不太可能获得100%的测试用例。有一些考虑因素，比如Unicode域名和各种各样的technically-valid-but-you'll-likely-not-encounter-in-the-wild东西，这些都会给您带来这样一个简单的正则表达式，但是这可能会让您了解到90%+的存在方式。