正则表达式从 URL 中提取顶级域

Question

我想从 URL 中提取顶级域： 日志是这样的：

<182>Jul 28 13:52:34 PROXYSQUID1 logger: 1501249953.155      0 192.168.4.27 TCP_MISS/503 2408 POST http://xxxxx.ddns.net:xxx/xxxxx - DIRECT/xxx.xx.x.xx text/html

 

我只想获取顶级域：

ddns

我试过这个正则表达式

([\da-z\.-]+)\.([a-z\.])

但我得到了

xxxxx.ddns

Answer 1

您在这里误会了这些词... TLD（顶级域）是指域名的最后一段或紧跟在“点”符号之后的部分。 （例如：.com、.net 等。）

您要搜索的是 second level domain（或 SLD）。

我已针对您的问题编辑了 Daveo's answer，因此匹配项将返回到第一个捕获组：

(?:[-a-zA-Z0-9@:%_\+~.#=]{2,256}\.)?([-a-zA-Z0-9@:%_\+~#=]*)\.[a-z]{2,6}\b(?:[-a-zA-Z0-9@:%_\+.~#?&\/\/=]*)

这是一个演示：https://regex101.com/r/x2luiO/1

说明：

• (?:[-a-zA-Z0-9@:%_\+~.#=]{2,256}\.)? - 第一部分将获取 SLD（子域）之前的所有内容。
  
• ([-a-zA-Z0-9@:%_\+~#=]*) - 这是您的捕获组（应该返回域）
• \.[a-z]{2,6} - 这将匹配 TLD（如果您还想捕获）
• \b(?:[-a-zA-Z0-9@:%_\+.~#?&\/\/=]*) - 这是正则表达式的其余部分，应该匹配端口和/或 URL 的其余部分 (/example/page/)。

还需要指出的是，如果您使用 SLD 和 ccTLD（国家代码 TLD）“组合”测试域，则此正则表达式将不匹配，例如：.co.uk 和 .co.it，两者都只是结尾但是，对于商业网站和一般网站，两者都将返回 co 作为 SLD。