Php 从URL解析域

我需要构建一个从URL解析域的函数

所以，用

http://google.com/dhasjkdas/sadsdds/sdda/sdads.html

或

http://www.google.com/dhasjkdas/sadsdds/sdda/sdads.html

它应该返回

google.com

与

http://google.co.uk/dhasjkdas/sadsdds/sdda/sdads.html

它应该返回

google.co.uk

检查：

parse_url

不能很好地处理严重损坏的url，但如果您通常希望得到良好的url，则可以

来自

出于某种奇怪的原因，解析url 将主机（例如example.com）返回为 中未提供方案时的路径 输入url。所以我写了一篇简短的文章 获取真实主机的函数：

---

这将返回

google.com

中的两个。。。还有…

这是我编写的代码，100%只查找域名，因为它需要考虑mozilla子TLD。唯一需要检查的是如何缓存该文件，这样就不会每次都查询mozilla

出于某种奇怪的原因，像co.uk这样的域名不在列表中，所以你必须进行一些黑客攻击并手动添加它们。这不是最干净的解决方案，但我希望它能帮助别人

//=====================================================
static function domain($url)
{
    $slds = "";
    $url = strtolower($url);

            $address = 'http://mxr.mozilla.org/mozilla-central/source/netwerk/dns/effective_tld_names.dat?raw=1';
    if(!$subtlds = @kohana::cache('subtlds', null, 60)) 
    {
        $content = file($address);
        foreach($content as $num => $line)
        {
            $line = trim($line);
            if($line == '') continue;
            if(@substr($line[0], 0, 2) == '/') continue;
            $line = @preg_replace("/[^a-zA-Z0-9\.]/", '', $line);
            if($line == '') continue;  //$line = '.'.$line;
            if(@$line[0] == '.') $line = substr($line, 1);
            if(!strstr($line, '.')) continue;
            $subtlds[] = $line;
            //echo "{$num}: '{$line}'"; echo "<br>";
        }
        $subtlds = array_merge(Array(
            'co.uk', 'me.uk', 'net.uk', 'org.uk', 'sch.uk', 'ac.uk', 
            'gov.uk', 'nhs.uk', 'police.uk', 'mod.uk', 'asn.au', 'com.au',
            'net.au', 'id.au', 'org.au', 'edu.au', 'gov.au', 'csiro.au',
            ),$subtlds);

        $subtlds = array_unique($subtlds);
        //echo var_dump($subtlds);
        @kohana::cache('subtlds', $subtlds);
    }


    preg_match('/^(http:[\/]{2,})?([^\/]+)/i', $url, $matches);
    //preg_match("/^(http:\/\/|https:\/\/|)[a-zA-Z-]([^\/]+)/i", $url, $matches);
    $host = @$matches[2];
    //echo var_dump($matches);

    preg_match("/[^\.\/]+\.[^\.\/]+$/", $host, $matches);
    foreach($subtlds as $sub) 
    {
        if (preg_match("/{$sub}$/", $host, $xyz))
        preg_match("/[^\.\/]+\.[^\.\/]+\.[^\.\/]+$/", $host, $matches);
    }

    return @$matches[0];
}

//=====================================================
静态函数域（$url）
{
$slds=“”；
$url=strtolower（$url）；
$address='1http://mxr.mozilla.org/mozilla-central/source/netwerk/dns/effective_tld_names.dat?raw=1';
if（！$subtlds=@kohana:：cache（'subtlds'，null，60））
{
$content=文件（$address）；
foreach（$num=>$line形式的内容）
{
$line=修剪（$line）；
如果（$line=''）继续；
如果（@substr（$line[0]，0，2）='/'）继续；
$line=@preg_replace（“/[^a-zA-Z0-9\.]/”，“$line”）；
如果（$line=''）继续；//$line=''。$line；
如果（@$line[0]=='。）$line=substr（$line，1）；
如果（！strstr（$line，“.”）继续；
$subtlds[]=$line；
//echo“{$num}:'{$line}'”；echo“
”；
}
$subtlds=array\u merge（数组(
“co.uk”、“me.uk”、“net.uk”、“org.uk”、“sch.uk”、“ac.uk”，
“gov.uk”、“nhs.uk”、“police.uk”、“mod.uk”、“asn.au”、“com.au”，
“net.au”、“id.au”、“org.au”、“edu.au”、“gov.au”、“csiro.au”，
)，$subtlds）；
$subtlds=array_unique（$subtlds）；
//echo var_dump（$subtlds）；
@缓存（'subtlds'，$subtlds）；
}
preg_match（'/^（http:[\/]{2，}）（[^\/]+）/i'，$url，$matches）；
//preg\u match（“/^（http:\/\/；https:\/\/\/）[a-zA-Z-]（[^\/]+）/i“，$url，$matches）；
$host=@$matches[2]；
//echo var_dump（$matches）；
预匹配（“/[^\.\/]+\.[^\.\/]+$/”，$host，$MATCHS）；
foreach（$subtlds作为$sub）
{
if（preg_匹配（“/{$sub}$/”，$host，$xyz））
预匹配（“/[^\.\/]+\.[^\.\/]+\.[^\.\/]+$/”，$host，$MATCHS）；
}
返回@$matches[0]；
}

本来应该100%工作的代码对我来说似乎并没有起到作用，我确实对示例进行了一些修补，但发现代码没有帮助，并且存在问题。所以我把它改成了几个函数（省去了一直向Mozilla索要列表和删除缓存系统的麻烦）。这已经针对一组1000个URL进行了测试，似乎有效

function domain($url)
{
    global $subtlds;
    $slds = "";
    $url = strtolower($url);

    $host = parse_url('http://'.$url,PHP_URL_HOST);

    preg_match("/[^\.\/]+\.[^\.\/]+$/", $host, $matches);
    foreach($subtlds as $sub){
        if (preg_match('/\.'.preg_quote($sub).'$/', $host, $xyz)){
            preg_match("/[^\.\/]+\.[^\.\/]+\.[^\.\/]+$/", $host, $matches);
        }
    }

    return @$matches[0];
}

function get_tlds() {
    $address = 'http://mxr.mozilla.org/mozilla-central/source/netwerk/dns/effective_tld_names.dat?raw=1';
    $content = file($address);
    foreach ($content as $num => $line) {
        $line = trim($line);
        if($line == '') continue;
        if(@substr($line[0], 0, 2) == '/') continue;
        $line = @preg_replace("/[^a-zA-Z0-9\.]/", '', $line);
        if($line == '') continue;  //$line = '.'.$line;
        if(@$line[0] == '.') $line = substr($line, 1);
        if(!strstr($line, '.')) continue;
        $subtlds[] = $line;
        //echo "{$num}: '{$line}'"; echo "<br>";
    }

    $subtlds = array_merge(array(
            'co.uk', 'me.uk', 'net.uk', 'org.uk', 'sch.uk', 'ac.uk', 
            'gov.uk', 'nhs.uk', 'police.uk', 'mod.uk', 'asn.au', 'com.au',
            'net.au', 'id.au', 'org.au', 'edu.au', 'gov.au', 'csiro.au'
        ), $subtlds);

    $subtlds = array_unique($subtlds);

    return $subtlds;    
}

---

我知道我应该把它变成一个类，但是没有时间。

parse\u url对我不起作用。它只返回了路径。使用php5.3+切换到基本功能：

$url  = str_replace('http://', '', strtolower( $s->website));
if (strpos($url, '/'))  $url = strstr($url, '/', true);

---

如果输入URL不是完全的垃圾，这通常会非常有效。它删除子域

$host = parse_url( $Row->url, PHP_URL_HOST );
$parts = explode( '.', $host );
$parts = array_reverse( $parts );
$domain = $parts[1].'.'.$parts[0];

示例

输入：

http://www2.website.com:8080/some/file/structure?some=parameters

---

输出：

website.com

您可以将PHP\u URL\u主机作为第二个参数传递到parse\u URL函数中

$url = 'http://google.com/dhasjkdas/sadsdds/sdda/sdads.html';
$host = parse_url($url, PHP_URL_HOST);
print $host; // prints 'google.com'

我为您编辑了：

function getHost($Address) { 
    $parseUrl = parse_url(trim($Address));
    $host = trim($parseUrl['host'] ? $parseUrl['host'] : array_shift(explode('/', $parseUrl['path'], 2))); 

    $parts = explode( '.', $host );
    $num_parts = count($parts);

    if ($parts[0] == "www") {
        for ($i=1; $i < $num_parts; $i++) { 
            $h .= $parts[$i] . '.';
        }
    }else {
        for ($i=0; $i < $num_parts; $i++) { 
            $h .= $parts[$i] . '.';
        }
    }
    return substr($h,0,-1);
}

函数getHost（$Address）{
$parseUrl=parse_url（trim（$Address））；
$host=trim（$parseUrl['host']？$parseUrl['host']：数组移位（分解（'/'，$parseUrl['path']，2））；
$parts=分解（'.'，$host）；
$num_parts=计数（$parts）；
如果（$parts[0]=“www”）{
对于（$i=1；$i<$num_部分；$i++）{
$h.=$parts[$i].'；
}
}否则{
对于（$i=0；$i<$num_部分；$i++）{
$h.=$parts[$i].'；
}
}
返回substr（$h，0，-1）；
}

---

所有类型的url（www.domain.ltd，sub1.subn.domain.ltd）将生成：domain.ltd.

如下所示使用即可

$domain = parse_url($url, PHP_URL_HOST);
echo implode('.', array_slice(explode('.', $domain), -2, 2))

<?php
   echo $_SERVER['SERVER_NAME'];
?>

---

将worldofjr和Alix Axel的答案组合成一个小功能，可以处理大多数用例：

function get_url_hostname($url) {

    $parse = parse_url($url);
    return str_ireplace('www.', '', $parse['host']);

}

get_url_hostname('http://www.google.com/example/path/file.html'); // google.com

---

如果要从字符串中提取主机

http://google.com/dhasjkdas/sadsdds/sdda/sdads.html

，使用parse_url（）是您可以接受的解决方案

但如果您想要提取域或其部分，则需要使用该包。是的，您可以在parse_url（）周围使用字符串函数，但有时会产生错误的结果

我建议进行域解析，下面是显示差异的示例代码：

$extract = new LayerShifter\TLDExtract\Extract();

# For 'http://google.com/dhasjkdas/sadsdds/sdda/sdads.html'

$url = 'http://google.com/dhasjkdas/sadsdds/sdda/sdads.html';

parse_url($url, PHP_URL_HOST); // will return google.com

$result = $extract->parse($url);
$result->getFullHost(); // will return 'google.com'
$result->getRegistrableDomain(); // will return 'google.com'
$result->getSuffix(); // will return 'com'

# For 'http://search.google.com/dhasjkdas/sadsdds/sdda/sdads.html'

$url = 'http://search.google.com/dhasjkdas/sadsdds/sdda/sdads.html';

parse_url($url, PHP_URL_HOST); // will return 'search.google.com'

$result = $extract->parse($url);
$result->getFullHost(); // will return 'search.google.com'
$result->getRegistrableDomain(); // will return 'google.com'

---

我很晚才添加这个答案，因为这是谷歌上弹出最多的答案

您可以使用PHP来

$url = "www.google.co.uk";
$host = parse_url($url, PHP_URL_HOST);
// $host == "www.google.co.uk"

获取主机而不是主机所指的私有域。（例如

www.google.co.uk

是主机，但

google.co.uk

是私有域）

要获取私有域，您必须知道可以注册私有域的公共后缀列表

当已经创建了一个公共后缀数组时，下面的代码可以工作

$domain = get_private_domain("www.google.co.uk");

用剩下的代码

// find some way to parse the above list of public suffix
// then add them to a PHP array
$suffix = [... all valid public suffix ...];

function get_public_suffix($host) {
  $parts = split("\.", $host);
  while (count($parts) > 0) {
    if (is_public_suffix(join(".", $parts)))
      return join(".", $parts);

    array_shift($parts);
  }

  return false;
}

function is_public_suffix($host) {
  global $suffix;
  return isset($suffix[$host]);
}

function get_private_domain($host) {
  $public = get_public_suffix($host);
  $public_parts = split("\.", $public);
  $all_parts = split("\.", $host);

  $private = [];

  for ($x = 0; $x < count($public_parts); ++$x) 
    $private[] = array_pop($all_parts);

  if (count($all_parts) > 0)
    $private[] = array_pop($all_parts);

  return join(".", array_reverse($private));
}

//找到一些方法来解析上面的公共后缀列表
//然后将它们添加到PHP数组中
$suffix=[…所有有效的公共后缀…]；
函数get\u public\u后缀（$host）{
$parts=split（“\”，$hos
function get_url_hostname($url) {

    $parse = parse_url($url);
    return str_ireplace('www.', '', $parse['host']);

}

get_url_hostname('http://www.google.com/example/path/file.html'); // google.com

$extract = new LayerShifter\TLDExtract\Extract();

# For 'http://google.com/dhasjkdas/sadsdds/sdda/sdads.html'

$url = 'http://google.com/dhasjkdas/sadsdds/sdda/sdads.html';

parse_url($url, PHP_URL_HOST); // will return google.com

$result = $extract->parse($url);
$result->getFullHost(); // will return 'google.com'
$result->getRegistrableDomain(); // will return 'google.com'
$result->getSuffix(); // will return 'com'

# For 'http://search.google.com/dhasjkdas/sadsdds/sdda/sdads.html'

$url = 'http://search.google.com/dhasjkdas/sadsdds/sdda/sdads.html';

parse_url($url, PHP_URL_HOST); // will return 'search.google.com'

$result = $extract->parse($url);
$result->getFullHost(); // will return 'search.google.com'
$result->getRegistrableDomain(); // will return 'google.com'

$url = "www.google.co.uk";
$host = parse_url($url, PHP_URL_HOST);
// $host == "www.google.co.uk"

$domain = get_private_domain("www.google.co.uk");

// find some way to parse the above list of public suffix
// then add them to a PHP array
$suffix = [... all valid public suffix ...];

function get_public_suffix($host) {
  $parts = split("\.", $host);
  while (count($parts) > 0) {
    if (is_public_suffix(join(".", $parts)))
      return join(".", $parts);

    array_shift($parts);
  }

  return false;
}

function is_public_suffix($host) {
  global $suffix;
  return isset($suffix[$host]);
}

function get_private_domain($host) {
  $public = get_public_suffix($host);
  $public_parts = split("\.", $public);
  $all_parts = split("\.", $host);

  $private = [];

  for ($x = 0; $x < count($public_parts); ++$x) 
    $private[] = array_pop($all_parts);

  if (count($all_parts) > 0)
    $private[] = array_pop($all_parts);

  return join(".", array_reverse($private));
}

function getHost($url) { 
   $parseUrl = parse_url(trim($url)); 
   if(isset($parseUrl['host']))
   {
       $host = $parseUrl['host'];
   }
   else
   {
        $path = explode('/', $parseUrl['path']);
        $host = $path[0];
   }
   return trim($host); 
} 

echo getHost("http://example.com/anything.html");           // example.com
echo getHost("http://www.example.net/directory/post.php");  // www.example.net
echo getHost("https://example.co.uk");                      // example.co.uk
echo getHost("www.example.net");                            // example.net
echo getHost("subdomain.example.net/anything");             // subdomain.example.net
echo getHost("example.net");                                // example.net

$url = 'http://www.google.com/dhasjkdas/sadsdds/sdda/sdads.html';
$parse = parse_url($url);
echo $parse['host']; // prints 'www.google.com'

echo parse_url('https://subdomain.example.com/foo/bar', PHP_URL_HOST);
// Output: subdomain.example.com

echo parse_url('https://subdomain.example.co.uk/foo/bar', PHP_URL_HOST);
// Output: subdomain.example.co.uk

function getDomain($url) {
    $host = parse_url($url, PHP_URL_HOST);

    if(filter_var($host,FILTER_VALIDATE_IP)) {
        // IP address returned as domain
        return $host; //* or replace with null if you don't want an IP back
    }

    $domain_array = explode(".", str_replace('www.', '', $host));
    $count = count($domain_array);
    if( $count>=3 && strlen($domain_array[$count-2])==2 ) {
        // SLD (example.co.uk)
        return implode('.', array_splice($domain_array, $count-3,3));
    } else if( $count>=2 ) {
        // TLD (example.com)
        return implode('.', array_splice($domain_array, $count-2,2));
    }
}

// Your domains
    echo getDomain('http://google.com/dhasjkdas/sadsdds/sdda/sdads.html'); // google.com
    echo getDomain('http://www.google.com/dhasjkdas/sadsdds/sdda/sdads.html'); // google.com
    echo getDomain('http://google.co.uk/dhasjkdas/sadsdds/sdda/sdads.html'); // google.co.uk

// TLD
    echo getDomain('https://shop.example.com'); // example.com
    echo getDomain('https://foo.bar.example.com'); // example.com
    echo getDomain('https://www.example.com'); // example.com
    echo getDomain('https://example.com'); // example.com

// SLD
    echo getDomain('https://more.news.bbc.co.uk'); // bbc.co.uk
    echo getDomain('https://www.bbc.co.uk'); // bbc.co.uk
    echo getDomain('https://bbc.co.uk'); // bbc.co.uk

// IP
    echo getDomain('https://1.2.3.45');  // 1.2.3.45

function getTrimmedUrl($link)
{
    $str = str_replace(["www.","https://","http://"],[''],$link);
    $link = explode("/",$str);
    return strtolower($link[0]);                
}