转到php parse_url()没有的地方-只分析域

这样的怎么样?

function getDomain($url) {
  $pieces = parse_url($url);
  $domain = isset($pieces['host']) ? $pieces['host'] : '';
  if (preg_match('/(?P<domain>[a-z0-9][a-z0-9\-]{1,63}\.[a-z\.]{2,6})$/i', $domain, $regs)) {
    return $regs['domain'];
  }
  return false;
}

将使用Classic提取域名 parse_url 然后寻找一个没有任何子域的有效域(www是一个子域)。不会在“localhost”之类的东西上工作。如果不匹配,则返回false。

//编辑:

试试看:

echo getDomain('http://www.google.com/test.html') . '<br/>';
echo getDomain('https://news.google.co.uk/?id=12345') . '<br/>';
echo getDomain('http://my.subdomain.google.com/directory1/page.php?id=abc') . '<br/>';
echo getDomain('https://testing.multiple.subdomain.google.co.uk/') . '<br/>';
echo getDomain('http://nothingelsethan.com') . '<br/>';

它应该返回:

google.com
google.co.uk
google.com
google.co.uk
nothingelsethan.com

当然,如果不通过,什么也不会退回 parse_url ,因此请确保它是格式良好的URL。

/附录:

阿尼塔克是对的。上述解决方案将在 最 但不一定是所有的病例,需要对其进行维护,以确保它们不是新的具有6个以上特征的TLD,等等。提取域的唯一可靠方法是使用维护的列表,例如 http://publicsuffix.org/ . 一开始更痛苦,但从长远来看更容易,更健壮。您需要确保了解每个方法的优缺点,以及它如何适合您的项目。

目前唯一“正确”的方法是使用一个列表,如 http://publicsuffix.org/

顺便说一句,这个问题也相当类似于:

• Can I improve this regex check for valid domain names?
• Get the subdomain from a URL

IETF正在研究DNS方法,以声明DNS树中的特定节点是否用于“公开”注册,但它们正处于开发的早期阶段。所有流行的非IE浏览器都使用publicSuffix.org列表。

python的tldextact模块还有一个非常好的端口 http://w-shadow.com/blog/2012/08/28/tldextract -这超出了解析URL的范围,允许您实际获取域/TLD,而不需要子域。

从模块网站:

$components = tldextract('http://www.bbc.co.uk');
echo $components->subdomain; // www
echo $components->domain;    // bbc
echo $components->tld;       // co.uk

从一个相关的岗位上挖出来,为了保持一张桌子: http://mxr.mozilla.org/mozilla-central/source/netwerk/dns/src/effective_tld_names.dat?raw=1

但我不想那样做。

当然,这取决于您的具体用例,但一般来说,我不会使用表查找来查找TLD。新的TLD出现了,你通常不想在任何地方维护它们。问一下我的firstname@lastname.name因为近视被拒绝的频率。

如果我知道你为什么不想要WWW,我想我能帮得上忙吗?你需要它来收发邮件吗?在这种情况下,您可以查询MX记录以验证它(最终)是否接受邮件。

您还可以找到处理DNS记录的PHP函数的帮助,以了解有关它们的更多信息,请参见 http://php.net/dns_get_record 例如。

只是一个证明,假设允许的TLD被存储到哈希中。 代码可以缩短很多。

<?php
    $urlCompoments=parse_url($theUrl);
    $chunk=explode('.',$urlComponents['host']);

    $tldIndex = count($chunk-1); // assume last chunk is tld
    $maxTldLen = 2; // assuming a tld can be in the form .com or .co.uk
    $cursor=1;
    $found=false;
    while(($cursor<=$maxTldLen) or $found) {
      $tls = implode('.',array_slice($chunk, -$cursor));
      $found=isset($tldSuffixesAllowed[$tld]);
      $cursor++;
    }
    if ($found){
       $tld=implode('.',array_slice($chunk, -$cursor));
    } else {
       // domain not recognized, do wathever you want
    }
?>

您需要使用的包 Public Suffix List 只有这样,才能正确地提取具有两个、三级TLD(co.uk、a.bg、b.bg等)和多级子域的域。regex、parse_url()或字符串函数永远不会产生绝对正确的结果。

我重新使用 TLD Extract . 下面是代码示例:

$extract = new LayerShifter\TLDExtract\Extract();

$result = $extract->parse('http://www.google.co.uk/foo');
$result->getSubdomain(); // will return (string) 'www'
$result->getHostname(); // will return (string) 'google'
$result->getSuffix(); // will return (string) 'co.uk'
$result->getRegistrableDomain(); // will return (string) 'google.co.uk'

有一个非常简单的解决方案:

function get_domain($url) {
  $pieces = parse_url($url);
  return array_pop(explode('.', $pieces['host'], 2));
}

这肯定行吗?