Wie bekomme ich den Domain-Namen von der URL?

Ich hatte mal zu schreiben, wie eine regex für ein Unternehmen, in dem ich arbeitete. Die Lösung war diese:

• Erhalten eine Liste mit allen ccTLD und gTLD zur Verfügung. Ihre erste Anlaufstelle sollte IANA. Die Liste von Mozilla sieht auf den ersten Blick, aber es fehlt ac.Großbritannien, zum Beispiel, so für das es nicht wirklich nutzbar.
• Auf die Liste, wie im Beispiel unten. Eine Warnung: Reihenfolge ist wichtig! Wenn org.uk erscheinen würde, nachdem uk dann Beispiel.org.uk würde passen org statt Beispiel.

Beispiel-regex:

.*([^\.]+)(com|net|org|info|coop|int|co\.uk|org\.uk|ac\.uk|uk|__and so on__)$

Klappte dies wirklich gut und auch abgestimmt komisch, inoffizielle top-Ebenen wie de.com und Freunde.

Den Kopf:

• Sehr schnell, wenn die regex ist optimal bestellt

Der Nachteil dieser Lösung ist natürlich:

• Handschriftliche regex, die muss manuell aktualisiert werden, wenn ccTLDs ändern oder Hinzugefügt werden. Mühsame Arbeit!
• Sehr große regex-also nicht sehr gut lesbar ist.

InformationsquelleAutor der Antwort pi.

Extrahieren Sie den Domain-Namen exakt sein kann ziemlich schwierig, vor allem, weil die domain-Endung enthalten kann, 2 Teile (wie .com.au-oder .co.Großbritannien) und die subdomain (das Präfix) kann oder kann nicht da sein. Auflistung aller domain-Endungen ist nicht eine option, da gibt es Hunderte von diesen. EuroDNS.com zum Beispiel listet über 800 domain-Namen-Erweiterungen.

Deshalb schrieb ich eine kurze php-Funktion, die verwendet "parse_url ()" und einige Beobachtungen über domain-Erweiterungen, um genau zu extrahieren Sie die url-Komponenten UND der domain-name. Die Funktion ist wie folgt:

function parse_url_all($url){
    $url = substr($url,0,4)=='http'? $url: 'http://'.$url;
    $d = parse_url($url);
    $tmp = explode('.',$d['host']);
    $n = count($tmp);
    if ($n>=2){
        if ($n==4 || ($n==3 && strlen($tmp[($n-2)])<=3)){
            $d['domain'] = $tmp[($n-3)].".".$tmp[($n-2)].".".$tmp[($n-1)];
            $d['domainX'] = $tmp[($n-3)];
        } else {
            $d['domain'] = $tmp[($n-2)].".".$tmp[($n-1)];
            $d['domainX'] = $tmp[($n-2)];
        }
    }
    return $d;
}

Diese einfache Funktion wird in fast jedem Fall. Es gibt ein paar Ausnahmen, aber diese sind sehr selten.

Nachweisen /testen dieser Funktion können Sie die folgenden verwenden:

$urls = array('www.test.com', 'test.com', 'cp.test.com' .....);
echo "<div style='overflow-x:auto;'>";
echo "<table>";
echo "<tr><th>URL</th><th>Host</th><th>Domain</th><th>Domain X</th></tr>";
foreach ($urls as $url) {
    $info = parse_url_all($url);
    echo "<tr><td>".$url."</td><td>".$info['host'].
    "</td><td>".$info['domain']."</td><td>".$info['domainX']."</td></tr>";
}
echo "</table></div>";

Wird die Ausgabe wie folgt für die URL ' s aufgelistet:

Wie Sie sehen können, die domain-Namen und den domain-Namen ohne die Endung konsequent extrahiert, was die URL, die präsentiert wird, um die Funktion.

Ich hoffe, dass dies hilft.

InformationsquelleAutor der Antwort Clinton

Gibt es zwei Möglichkeiten

Mit split

Dann nur parse, string

var domain;
//find & remove protocol (http, ftp, etc.) and get domain
if (url.indexOf('://') > -1) {
    domain = url.split('/')[2];
} if (url.indexOf('//') === 0) {
    domain = url.split('/')[2];
} else {
    domain = url.split('/')[0];
}

//find & remove port number
domain = domain.split(':')[0];

Mit Regex

 var r = /:\/\/(.[^/]+)/;
 "http://stackoverflow.com/questions/5343288/get-url".match(r)[1] 
 => stackoverflow.com

Hoffe, das hilft

InformationsquelleAutor der Antwort Fizer Khan

Im Grunde, was Sie wollen, ist:

google.com        -> google.com    -> google
www.google.com    -> google.com    -> google
google.co.uk      -> google.co.uk  -> google
www.google.co.uk  -> google.co.uk  -> google
www.google.org    -> google.org    -> google
www.google.org.uk -> google.org.uk -> google

Optional:

www.google.com     -> google.com    -> www.google
images.google.com  -> google.com    -> images.google
mail.yahoo.co.uk   -> yahoo.co.uk   -> mail.yahoo
mail.yahoo.com     -> yahoo.com     -> mail.yahoo
www.mail.yahoo.com -> yahoo.com     -> mail.yahoo

Brauchen Sie nicht, um den Bau einer sich ständig verändernden regex als 99% der domains werden passen, wenn Sie einfach nur Optik bei der 2. Letzte Teil des namens:

(co|com|gov|net|org)

Wenn es einer von diesen, müssen Sie match-3 Punkte, sonst 2. Einfach. Nun, meine regex-Zauberei ist kein Spiel für die von einigen anderen SO ' ers, so dass der beste Weg, die ich gefunden habe, um dies zu erreichen ist mit einigen Codes, vorausgesetzt, Sie haben bereits abgestreift den Pfad:

 my @d=split /\./,$domain;                # split the domain part into an array
 $c=@d;                                   # count how many parts
 $dest=$d[$c-2].'.'.$d[$c-1];             # use the last 2 parts
 if ($d[$c-2]=~m/(co|com|gov|net|org)/) { # is the second-last part one of these?
   $dest=$d[$c-3].'.'.$dest;              # if so, add a third part
 };
 print $dest;                             # show it

Nur der name, wie pro Ihre Frage:

 my @d=split /\./,$domain;                # split the domain part into an array
 $c=@d;                                   # count how many parts
 if ($d[$c-2]=~m/(co|com|gov|net|org)/) { # is the second-last part one of these?
   $dest=$d[$c-3];                        # if so, give the third last
   $dest=$d[$c-4].'.'.$dest if ($c>3);    # optional bit
 } else {
   $dest=$d[$c-2];                        # else the second last
   $dest=$d[$c-3].'.'.$dest if ($c>2);    # optional bit 
 };
 print $dest;                             # show it

Ich mag diesen Ansatz, weil es wartungsfrei. Es sei denn, Sie wollen, um zu überprüfen, dass es eigentlich eine legitime Domäne, aber das ist irgendwie sinnlos, da Sie wahrscheinlich nur mit Hilfe dieses Prozess-log-Dateien und eine ungültige Domäne nicht finden konnte seinen Weg in dort in den ersten Platz.

Wenn Sie gerne match "inoffizielle" subdomains wie bozo.za.net oder bozo.au.uk, bozo.msf.ru fügen Sie einfach (za|au|msf) in der regex.

Ich würde gerne jemanden sehen, der dies alles mit nur einem regex, ich bin sicher, es ist möglich.

InformationsquelleAutor der Antwort

Es ist nicht möglich, ohne die Verwendung einer TLD-Liste zum vergleichen mit Ihren gibt viele Fälle wie http://www.db.de/ oder http://bbc.co.uk/

Aber auch mit, dass Sie nicht haben, Erfolg in jedem Fall, denn der SLD ist wie http://big.uk.com/ oder http://www.uk.com/

Wenn Sie eine vollständige Liste können Sie die öffentliche suffix-Liste:

http://mxr.mozilla.org/mozilla-central/source/netwerk/dns/effective_tld_names.dat?raw=1

Fühlen Sie sich frei, zu erweitern, meine Funktion zu extrahieren, die domain-Namen, nur. Es wird nicht regex verwenden und es ist schnell:

http://www.programmierer-forum.de/domainnamen-ermitteln-t244185.htm#3471878

InformationsquelleAutor der Antwort mgutt

Also wenn man nur einen string und nicht um ein Fenster.Speicherort, den Sie verwenden könnte...

String.prototype.toUrl = function(){

if(!this && 0 < this.length)
{
    return undefined;
}
var original = this.toString();
var s = original;
if(!original.toLowerCase().startsWith('http'))
{
    s = 'http://' + original;
}

s = this.split('/');

var protocol = s[0];
var host = s[2];
var relativePath = '';

if(s.length > 3){
    for(var i=3;i< s.length;i++)
    {
        relativePath += '/' + s[i];
    }
}

s = host.split('.');
var domain = s[s.length-2] + '.' + s[s.length-1];    

return {
    original: original,
    protocol: protocol,
    domain: domain,
    host: host,
    relativePath: relativePath,
    getParameter: function(param)
    {
        return this.getParameters()[param];
    },
    getParameters: function(){
        var vars = [], hash;
        var hashes = this.original.slice(this.original.indexOf('?') + 1).split('&');
        for (var i = 0; i < hashes.length; i++) {
            hash = hashes[i].split('=');
            vars.push(hash[0]);
            vars[hash[0]] = hash[1];
        }
        return vars;
    }
};};

Wie zu verwenden.

var str = "http://en.wikipedia.org/wiki/Knopf?q=1&t=2";
var url = str.toUrl;

var host = url.host;
var domain = url.domain;
var original = url.original;
var relativePath = url.relativePath;
var paramQ = url.getParameter('q');
var paramT = url.getParamter('t');

InformationsquelleAutor der Antwort Thomas Paris

Verwenden Sie diese
(.)(.*?)(.)
dann einfach extrahieren den führenden und am Ende Punkte.
Einfach, nicht wahr?

InformationsquelleAutor der Antwort pabben

#!/usr/bin/perl -w
use strict;

my $url = $ARGV[0];
if($url =~ /([^:]*:\/\/)?([^\/]*\.)*([^\/\.]+)\.[^\/]+/g) {
  print $3;
}

InformationsquelleAutor der Antwort Dark Castle

Nur für wissen:

'http://api.livreto.co/books'.replace(/^(https?:\/\/)([a-z]{3}[0-9]?\.)?(\w+)(\.[a-zA-Z]{2,3})(\.[a-zA-Z]{2,3})?.*$/, '$3$4$5');

# returns livreto.co 

InformationsquelleAutor der Antwort GodFather