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 $top_domain;
}
最佳答案
那么,您需要从结果中删除最前面的主机名,除非已经只有两个部分了吗?
只需使用匹配该条件的正则表达式对第一次匹配的结果进行后处理:
function domain_from_url(url) {
var result
var match
if (match = url.match(/^(?:https?:\/\/)?(?:[^@\n]+@)?(?:www\.)?([^:\/\n\?\=]+)/im)) {
result = match[1]
if (match = result.match(/^[^\.]+\.(.+\..+)$/)) {
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
关于仅 JavaScript 正则表达式 URL 提取域,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34818020/