多个子域时具有 TLD 的正则表达式域答案

【问题标题】：Regex domains with TLD when multiple subdomains多个子域时具有 TLD 的正则表达式域
【发布时间】：2017-06-24 00:04:06
【问题描述】：

我有一长串域的子域，如下所示：

www.random.com
abc.api.random.co.uk
abc.def.api.random.ac.za
something.edu
another.random.net
random.pharmacy

每个条目上有 0 到多个子域（例如 abc.def.api.random.ac.za）。我试图弄清楚如何仅提取域和 TLD。例如，鉴于上述输出，我正在寻找：

random.com
random.co.uk
random.ac.za
something.edu
random.net
random.pharmacy

这有点超出我目前对正则表达式的理解。看来我们需要检查一下：

行尾是 X 个字符，前面有一个点（有些 TLD 的长度超过 3 个字符，即：.pharmacy）
在此之前的可选组是 2 个字符：co、ac 等（很确定我列表中的二级域都没有超过 2 个字符 - alternatively could build an explicit list of optional second-level domains to be more accurate）
前面的字符串是域
在此之前的所有内容都是子域，我们不想要它

【问题讨论】：

【解决方案1】：

您需要的正则表达式是：

\w+(?:\.\w\w)?\.\w+$

是：

见demo。

如果你想不那么通用：

\w+(?:\.(?:co|ac))?\.\w+$

如果您想更精确，您需要用句点指定整个 eTLD（有效顶级域）：

\w+(?:\.(?:co\.uk|ac\.za)|\.\w+)$

见demo。

如果您想了解所有有效的顶级域名，Mozilla Foundation 提供了一个不错的目录，名为 Public Suffix List。

【讨论】：

【解决方案2】：

还有一点值得深思。

您可以使用 *（零个或多个）和 +（一个或多个）进行重复，但是您也可以指定范围 {x,y}（x 或更多，但不超过 y）。

这可能很有用，因为倒数第二个域很可能是您的 tld 的一部分，如果它正好是 2 个字符长。

正如 horcrux 指出的那样，您肯定希望使用 $（行尾）标记，因为您将从右侧工作。

\w+.(\w{2}.)?\w+$

（...）？意味着捕获组中的任何内容都是可选的。因此，它正在寻找 EXACTLY 2 个字母后跟一个小数，作为可选的中间条目。

【讨论】：