JavaScript 删除 tld 之后和空格之前的所有内容答案

【问题标题】：JavaScript to remove whatever is after the tld and before the whitespaceJavaScript 删除 tld 之后和空格之前的所有内容
【发布时间】：2015-08-13 09:42:23
【问题描述】：

我有一堆函数可以将页面过滤到附加到电子邮件地址的域中。一切都很好，除了一件小事，一些链接是这样出来的：

EXAMPLE.COM
示例.ORG.
示例.ORG>.
示例.COM"
示例.COM"。
示例.COM)。
示例.COM（评论）“
DEPT.EXAMPLE.COM
示例.ORG
示例.COM。

我想找出最后一个过滤器（无论是否为正则表达式），它将删除 TLD 之后的所有内容。所有这些项目都在一个数组中。

编辑

我正在使用的功能：

function filterByDomain(array) {
    var regex = new RegExp("([^.\n]+\.[a-z]{2,6}\b)", 'gi');
    return array.filter(function(text){
        return regex.test(text);
    });
}

【问题讨论】：

我会这样做，(.+)\.[\w]。这将搜索到最后一个句点，其后有一个单词字符。这会将二级域保留在外部域中，例如ac.uk，ac 将保留。
@mascaliente：我根据您的编辑提供了我的答案的更新。

标签： javascript regex

【解决方案1】：

您可能可以使用此正则表达式来匹配每种情况下的 TLD：

/^[^.\n]+\.[a-z]{2,63}$/gim

RegEx Demo

你的验证函数可以是：

function filterByDomain(array) {
    var regex = /^[^.\n]+\.[a-z]{2,63}$/gim;
    return array.filter(function(text){
        return regex.test(text);
    });
}

PS：请阅读此Q & A to see that up to 63 characters are allowed in TLD.

【讨论】：

出于某种原因，\b 正在破坏我的代码。我正在使用我正在使用的功能更新我的问题
哦，不要使用RegExp 构造函数（这需要\\b 顺便说一句）。只需使用var regex = /([^.\n]+\.[a-z]{2,3}\b)/gi
请注意，TLD 后面的点实际上是 FQDN 的有效（严格来说是必需的）部分。
.[a-z]{2,3} 不是一个好主意：有 .info 甚至通用顶级域
编辑后，您只需将 OP 问题中的 {2,6} 范围替换为 {2,5}。先生，您绝对确定这可以回答问题吗？

【解决方案2】：

我会匹配所有前导 [\w.] 并省略最后一个点（如果有）：

var result = url.match(/^[\w\.]+/).join("");
if(result.slice(-1)==".") result = result.slice(0,-1);

注意\w 应该被替换为更复杂的东西：

_ 是 \w 集合的一部分，但不应在 url 路径中
- 不是\w 的一部分，但可以在不与. 或- 相邻的网址中

为了保持正则表达式的简单和代码的可读性，我会这样做

用_替换url中的#（#和_都只能在TLD之后）
用- 替换_（_ 是\w 的一部分）
在正则表达式测试之后，用_ 替换-

www.-example-.com 之类的 URL 仍然可以通过，可以通过搜索 [.-]{2,} 来检测

【讨论】：