正則表達式基址URL抓取

我想要篩選出一堆網址，以找到它們的基本網址，它不包含www或任何前綴，但是在編寫表達式來捕獲它時遇到了麻煩，但是有一部分TLD，它變成一個相當複雜的問題。正則表達式基址URL抓取

answers.yahoo.com => yahoo.com 
www.google.com => google.com 
uk.answers.yahoo.co.uk = > yahoo.co.uk 
www.g.se => g.se

有什麼建議嗎？

我正在使用這個表達式，但是當域名不超過2個字符或者當域名tld小於2個字符時，它就會搞砸了。

(?P<domain>[a-z0-9][a-z0-9\-]{1,63}\.[a-z\.]{2,6})$

來源

2012-04-26 Air In

您將需要一個TLD列表。好消息是，在http://publicsuffix.org上維護了一份TLD列表。看到這個優秀的問題和答案：[從URL獲取子域]（http://stackoverflow.com/questions/288810/get-the-subdomain-from-a-url） – 2012-04-26 02:54:06

你怎麼知道uk.answers.yahoo.co.uk的基礎是yahoo.co.uk，但的基礎上，例如，foo.bar.maps.google.com ISN」 t maps.google.com？

來源

2012-04-26 02:12:28 Venge

因爲，域名不能有「「。在他們中。 – 2012-04-26 02:13:37

我不確定你的意思。這個網站的域名是stackoverflow.com，它有一個。在裏面。 – Venge 2012-04-26 02:14:49

我不確定我是否使用了正確的術語，但「stackoverflow」是域名，「com」是頂級域名。 – 2012-04-26 02:17:45

[^\.]*\.(?:co.uk|\w{2,3})$

您需要在正則表達式中添加已知域。

http://regexr.com?30p4r

來源

2012-04-26 02:15:19 Jack

添加域列表並不可取，尤其是因爲它們似乎不斷增加名單，公司現在可以註冊。 – 2012-04-26 02:20:35

那麼，那麼如何在列表中添加像'co.uk'這樣的例外呢？ '[^ \。] * \。（?: co.uk | \ w {2,3}）$'但是在其他情況下搜索2-3個字符。這僅僅是一個URL列表，每行一個或是在一些文本中？如果在文本中，提供它們在文本中出現的一些示例。 – Jack 2012-04-26 02:24:47

正則表達式基址URL抓取

回答

相關問題