在PHP中拆分IDN URL

Question

我正在尝试沿着http://exämple.se/path或https://äxämple.se/anotherpath?foo=bar&baf=bas行开一个IDN网址，以便我得到它的组件：

[0] http(s)://
[1] äxämple.se
[2] /anotherpath?foo=bar&baf=bas

我的第一个想法是“我只会使用parse_url！”。好吧，除了它没有做IDN域名所以没有运气。

接下来我尝试了一些我自己的正则表达式技巧，但不知何故未能得到任何有用的输出（其中一些工作到一定程度，但仍然痛苦地缺乏。

最后我尝试了其他各种各样的人的正则表达式模式，但它们似乎都不适合我（工作正确=捕获任何有用的东西，一个捕获整个网址作为其“协议”部分，大多数其他我跑过去没有捕获或显然在功能上与我尝试过的相同。

当然，为什么我这样做？我想在重新拼接URL并将其存储在数据库中之前在域名上运行idn_to_ascii。

那么，我在这里做错了什么？我的方法是完全错误还是有一些preg_match的魔术调用来解决我的问题？

编辑：最好我想要一个解决方案，不涉及下载其他人写的代码blob（比如说，一个名为ParseIDNUrl的自定义类，重量为100kB）

Answer 1

parse_url应该可以正常工作。使用PHP 5.3.4我已经能够只提取域部分：

print parse_url('http://äxämple.se/foobar', PHP_URL_HOST);

也许你需要调整编码：

print utf8_decode(parse_url('http://äxämple.se/foobar', PHP_URL_HOST));

我得到的输出是：

äxämple.se

希望有所帮助！

Answer 2

对不起，我没有100％阅读你的帖子。

这是我在这里找到的正则表达式：Properly Matching a IDN URL

\b(([\w-]+://?|www[.])[^\s()<>]+(?:\([\w\d]+\)|([^[:punct:]\s]|/)))