正則表達式對域的匹配不同部分

Question

我試圖域分成不同的類別（子域，域，TLD）時遇到了問題..

我不能想出一個辦法，以匹配任何數量的的子域名，而不是超過我的域名或TLD mathcing。我正在使用PCRE正則表達式。

當前正則表達式：

\s(?:(?<subdomain>[a-z0-9\-]*){0,1}\.){0,3}(?<domain>(?>([a-z0-9\-]+)))\.(?<tld>[a-z\.]{2,6})\s 

數據集：

apple.orange.banana.clevername.co.uk 
strawberry.apple.orange.banana.clevername.co.uk 
tangerine.com.au 
simple.com 

注：有之前和之後的域空間，他們將永遠是小寫。

的如何這個數據將匹配的一個例子：

apple.orange.banana.clevername.co.uk

子域：apple.orange.banana
域：谷歌
tld：co.uk

如果我將另一個水果添加到子域（strawberry.apple.orange.banana.clevern ame.co.uk），比賽將失敗。如果我將子域正則表達式的{0,3}修改爲更高的數字或無限數量的匹配，它會變得過於貪婪，並且不再以domain/tld的正確匹配結束。的這個實施例：

改性的正則表達式：

\s(?:(?<subdomain>[a-z0-9\-]*){0,1}\.){0,5}(?<domain>(?>([a-z0-9\-]+)))\.(?<tld>[a-z\.]{2,6})\s 

匹配結果與新的正則表達式：

strawberry.apple.orange.banana.clevername.co.uk

子域名：strawberry.apple.orange.banana.clevername
域名：
TLD：co.uk

我敢肯定，正則表達式是不是最有效的兩種所以任何幫助或建議，將不勝感激。謝謝！

Answer 1

我相信這應該爲你做：

\s((?<subdomain>[a-z0-9\.\-]*)\.)?(?<domain>[a-z0-9\-]{3,}(?=\.[a-z\.]{3,6}))\.(?<tld>[a-z\.]{3,6})\s

在Splunk的測試這一點，它與你的測試數據集的作品。

請注意，這不適用於像bit.ly這樣的非常短的域名，因爲如果不查詢TLD，就無法從子域中告訴域名。

例如，比較something.bit.ly和clevername.com.au。沒有外部信息，沒有辦法說明bit和clevername是域名。

Answer 2

我最近遇到了同樣的問題。所以我採取了Syon的正則表達式並對其進行了修改。這是結果：

\s(?:(?<subdomain>[a-z0-9\.\-]*)\.)?(?<domain>(?!com)[a-z0-9\-]{3,}(?=\.[a-z\.]{2,}))\.(?:(?<tld>[a-z\.]{2,})$)\s

它適用於整個測試數據集（我修剪的空間雖然），以及像bit.ly短域名。也適用於新的頂級域名，如.cancerresearch。見結果： https://regex101.com/r/nX6yQ7/4

注：正則表達式的具體規定，domain不能com，這需要更新，如果其他{3 characters}.xyztlds需要支持