仅 JavaScript 正则表达式 URL 提取域

Question

目前我可以使用以下正则表达式从任何 URL 中提取“域”:

/^(?:https?:\/\/)?(?:[^@\n]+@)?(?:www\.)?([^:\/\n\?\=]+)/im

但是我也得到了我想避免的子域。例如，如果我有网站:

• www.google.com
• yahoo.com/something
• freds.meatmarket.co.uk?someparameter
• josh.meatmarket.co.uk/asldf/asdf

我目前得到:

• google.com
• yahoo.com
• freds.meatmarket.co.uk
• josh.meatmarket.co.uk

最后两个我想排除 freds 和 josh 子域部分，只提取真正的域，即 meatmarket.co.uk.

我确实找到了另一个试图用 PHP 解决的 SOF，不幸的是我不懂 PHP。这可以翻译成 JS(我实际上使用的是 Google Script 仅供引用)吗？

  function topDomainFromURL($url) {
    $url_parts = parse_url($url);
    $domain_parts = explode('.', $url_parts['host']);
    if (strlen(end($domain_parts)) == 2 ) { 
      // ccTLD here, get last three parts
      $top_domain_parts = array_slice($domain_parts, -3);
    } else {
      $top_domain_parts = array_slice($domain_parts, -2);
    }
    $top_domain = implode('.', $top_domain_parts);
    return $top_domain;
  }

Answer 1

那么，您需要从结果中删除最前面的主机名，除非已经只有两个部分了吗？

只需使用匹配该条件的正则表达式对第一次匹配的结果进行后处理:

function domain_from_url(url) {
    var result
    var match
    if (match = url.match(/^(?:https?:\/\/)?(?:[^@\n]+@)?(?:www\.)?([^:\/\n\?\=]+)/im)) {
        result = match[1]
        if (match = result.match(/^[^\.]+\.(.+\..+)$/)) {
            result = match[1]
        }
    }
    return result
}

console.log(domain_from_url("www.google.com"))
console.log(domain_from_url("yahoo.com/something"))
console.log(domain_from_url("freds.meatmarket.co.uk?someparameter"))
console.log(domain_from_url("josh.meatmarket.co.uk/asldf/asdf"))

// google.com
// yahoo.com
// meatmarket.co.uk
// meatmarket.co.uk