Perl Regex获取URL的根域

如何获取url的某些部分

例如：

http://www.facebook.com/xxxxxxxxxxx
http://www.stackoverflow.com/yyyyyyyyyyyyyyyy

我只需要做这一部分：

facebook.com
stackoverflow.com

---

只是一些简单的正则表达式

$facebook = "www.facebook.com/xxxxxxxxxxx";

$facebook =~ s/www\.(.*\.com).*/$1/; # get what is between www. and .com

print $facebook;

返回

facebook.com

您可能还希望为

.net

、

.org

等实现此功能。例如：

s/www\.(.*\.(?:net|org|com)).*/$1/;

我找到了一个方法：

my @urls = qw( http://www.facebook.com http://www.sadas.com/ );
for my $url (@urls) {
   $url =~ s/^https?:(?:www\.)?//ig;
   $url =~ s{/.*}{};
   print "$url\n";
}

---

我喜欢这个答案。OP要求一个正则表达式，所以为了响应这个请求，作为一个挑战，我给出了一个答案。公平地说，有时安装CPAN模块并不容易或可行。我曾参与过一些项目，这些项目使用非常特定的Perl版本进行了强化，并且只允许使用某些模块

下面是我对正则表达式答案的尝试。请注意，

www.

是可选的。像

mobile.

这样的子域是受欢迎的。对

/

的搜索不是贪婪的，因此末端带有目录的URL将被正确解析。我不依赖协议；它可以是http、https、file、sftp等。输出捕获在

$1

中

^.*://(?:[wW]{3}\.)?([^:/]*).*$

样本输入：

http://WWW.facebook.com:80/
http://facebook.com/xxxxxxxxxxx/aaaaa
http://www.stackoverflow.com/yyyyyyyyyyyyyyyy/aaaaaaa
https://mobile.yahoo.com/yyyyyyyyyyyyyyyy/aaaaaaa
http://www.theregister.co.uk/

样本输出：

facebook.com
facebook.com
stackoverflow.com
mobile.yahoo.com
theregister.co.uk

---

编辑：感谢@ikegami的额外挑战。：）现在它在任何混合情况下都支持

WWW

，并且支持一个端口号，如

：80

，这可能会有所帮助

$a="http://www.stackoverflow.com/yyyyyyyyyyyyyyyy";
if($a=~/\/\/\w+\.(.*)\// )
{   print $1; }
else
{ print "false";  }

^https？：\/\/www\（[\da-zA-Z\.-]+）

样本输入：

http://www.banglanews24.com/detailsnews.php
nssl=763daee77dc90b1c1baf0a361be2ff3c&nttl=20130416072403189462

http://www.prothom-alo.com/detail/date/2013-04-20/news/3463

http://www.facebook.com/xxxxxxxxxxx

http://www.stackoverflow.com/yyyyyyyyyyyyyyy

banglanews24.com

prothom-alo.com

facebook.com

stackoverflow.com

样本输出：

http://www.banglanews24.com/detailsnews.php
nssl=763daee77dc90b1c1baf0a361be2ff3c&nttl=20130416072403189462

http://www.prothom-alo.com/detail/date/2013-04-20/news/3463

http://www.facebook.com/xxxxxxxxxxx

http://www.stackoverflow.com/yyyyyyyyyyyyyyy

banglanews24.com

prothom-alo.com

facebook.com

stackoverflow.com

---

请记住，您可以使用斜杠以外的其他字符分隔正则表达式。例如，要将所有内容匹配到第一个斜杠：

$url=~m{.*？/}

。除非您真的需要正则表达式，否则您可以考虑ikegami的答案。使用单个正则表达式很难做到这一点。你真的必须小心。如果是

http

或

https

协议呢。如果没有

www.

怎么办。如果有一个类似的URL，该怎么办。正则表达式中斜杠的检查是贪婪的。您可以解决其中一些问题，但您可能会被正则表达式咬到。这是一个不错的答案，解决了示例输入的问题，但不是所有可能的URL…关于

http://mobile.google.com/

<代码>https://www.facebook.com/<代码>HTTP://www.facebook.com/<代码>http://www.com/<代码>http://www3.com/？（适用于

https://www.facebook.com/

HTTP://www.facebook.com/

和

http://www3.com/

现在。基本的设计缺陷阻止了其他方面的修复。）我们不知道OP想要子域还是根域。答案应该是

mobile.google.com

还是

google.com

？问题中不清楚。如果域的形式为：“subdomain.domain.tld”，则可以通过以下方式获得“domain.tld”：

state$parser=domain:：PublicSuffix->new（）$解析器->获取根域（$subdomain\u domain\u tld）（ikegami解释了这一点，但不需要解析URL）。谢谢ikegami。@ikegami，修好了！你还能看到其他的失败吗？（除了子域和正则表达式开始变得丑陋这一事实之外）