Question

有没有办法从网址

获取顶级域名

例如，＆＃34; https://images.google.com/blah＆＃34; =＆GT; ＆＃34;谷歌＆＃34;

我发现了这个：

var domain = new URL(pageUrl).hostname;

但它给了我＆＃34; images.google.com＆＃34;而不仅仅是谷歌。

我有的单元测试是：

https://images.google.com   => google
https://www.google.com/blah => google
https://www.google.co.uk/blah => google
https://www.images.google.com/blah => google

Answer 1

你可以这样做：

location.hostname.split('.').pop()

修改

看到对您的问题的更改，您需要一个与主机名匹配并从主机名中删除的所有TLD列表，然后您可以使用split('.').pop()

// small example list var re = new RegExp('\.+(co.uk|me|com|us)') var secondLevelDomain = 'https://www.google.co.uk'.replace(re, '').split('.').pop()

Answer 2

除了保持白色和白色之外，这是最简单的解决方案。黑色顶级域名列表。

匹配顶级域名，如果它有两个或多个字符'xxxx.yyy'
匹配顶级域名和子域名，如果两者都在两个字符“xxxxx.yy.zz”下
删除匹配。
返回最后一个句点和字符串结尾之间的所有内容。

我把它分成两个独立的OR |正则表达式规则：

(\.[^\.]*)(\.*$) - 如果顶级域名为＆gt; = 3，则为字符串结尾的上一个句点。
(\.[^\.]{0,2})(\.[^\.]{0,2})(\.*$) - 顶级域和子域＆lt; = 2。

var regex_var = new RegExp(/(\.[^\.]{0,2})(\.[^\.]{0,2})(\.*$)|(\.[^\.]*)(\.*$)/);
var unit_test = 'xxx.yy.zz.'.replace(regex_var, '').split('.').pop();
document.write("Returned user entered domain: " + unit_test + "\n");

var result = location.hostname.replace(regex_var, '').split('.').pop();
document.write("Current Domain: " + result);

Answer 3

这个怎么样？

location.hostname.split('.').reverse()[1]

Answer 4

您要从网址中提取的内容不是top-level domain（TLD）。 TLD是最右边的部分，例如.COM。

话虽如此，我并不认为有一种简单的方法可以做到这一点，因为那里的网址有两个＆＃34;常见的＆＃34;像＆＃34; .co.uk＆＃34;而且我想你不想要夸大＆＃34; .co＆＃34;在那些情况下。您可以使用现有的两部分＆＃34; TLD列表＆＃34;检查，以便你知道何时提取哪个部分。

Answer 5

function getDomainName( hostname ) {
    var TLDs = new RegExp(/\.(com|net|org|biz|ltd|plc|edu|mil|asn|adm|adv|arq|art|bio|cng|cnt|ecn|eng|esp|etc|eti|fot|fst|g12|ind|inf|jor|lel|med|nom|ntr|odo|ppg|pro|psc|psi|rec|slg|tmp|tur|vet|zlg|asso|presse|k12|gov|muni|ernet|res|store|firm|arts|info|mobi|maori|iwi|travel|asia|web|tel)(\.[a-z]{2,3})?$|(\.[^\.]{2,3})(\.[^\.]{2,3})$|(\.[^\.]{2})$/);
    return hostname.replace(TLDs, '').split('.').pop();
}

/*** TEST ***/

var domains = [
    'domain.com',
    'subdomain.domain.com',
    'www.subdomain.domain.com',
    'www.subdomain.domain.info',
    'www.subdomain.domain.info.xx',
    'mail.subdomain.domain.co.uk',
    'mail.subdomain.domain.xxx.yy',
    'mail.subdomain.domain.xx.yyy',
    'mail.subdomain.domain.xx',
    'domain.xx'
];

var result = [];
for (var i = 0; i < domains.length; i++) {
    result.push( getDomainName( domains[i] ) );
}

alert ( result.join(' | ') );

// result: domain | domain | domain | domain | domain | domain | domain | domain | domain | domain

Answer 6

这是我天真的解决问题的方法。

url.split('.').reverse()[1].split('//').reverse()[0]

支持子域，但不支持公共后缀SLD。

Answer 7

我只想添加一些东西，因为这是Google的顶部，并且我一直在搜索它。

您可以下载所有URL的Wikipedia数据集（下载量为33Mb），并将其用作测试用例的测试集。另一个测试来源是Alexa排名靠前的1.000.000网站和/或下载了一些populair博客，并从其中解析了网址。

首先，我对它进行范围界定以检索某个“对象”的唯一URI。由于每个html页面原则上都可以有另一个图标来指向通常表示该对象的图标。 “那所有者的域名是什么”。我还将范围仅限制在Alexa排名前10.000.000的网站上。然后，您可以使用Google Favicon服务验证它与您自己的算法相匹配的程度，以接收例如图标，看看它们是否相同。

首先，您需要了解顶级域官员。这些在这里：https://en.wikipedia.org/wiki/List_of_Internet_top-level_domains。
单击每个条目将给出正式的子域/后缀（单击Wikipedia页面的第一列）。这些还需要放在您的数组中。由于“注册”域的所有内容都是而不是从中获取收藏夹图标的域。有最古怪的那里的组合并不是很清楚，例如那些被编号为（例如https://en.wikipedia.org/wiki/.bg），但那些根据工作类型而正式任命的人……更加模糊。这些都是数组中的键。由于您首先要寻找的是这背后的第一个词。那是某人拥有的东西，需要网站图标来代表它。 Mozilla维护了此列表，但是您将不得不附加它。这个项目https://github.com/lupomontero/psl可能会有所帮助（基于https://publicsuffix.org/），但是我在测试过程中注意到它并不涵盖所有情况。
然后有“非官方”域寄存器，例如facebook游戏位于/facebook.com/xxs下，并具有自己的图标。因此，您还需要将其放入数组中，以便找到这些uri的唯一图标。 Alexa热门歌曲中有很多条目不是主要域名，而是/ user / john，是访问量最大的条目（并且带有另一个图标）。在Alexa中将顶部范围定为10.000.000，有助于将其范围限制为仅最受欢迎的内容。
一旦有了这个数组，并且与测试集的匹配率达到80％，您可以专注于上述示例未涵盖的用例。各种重定向和很多奇怪的东西，例如某些nginx服务器，这些服务器怪异的http状态，并可能由某人自定义等等。
如果您在全球化/本地化的应用程序中使用它，则需要注意的另一件事是对语言和域使用相同的概念引用，例如wikipedia.en和wikipedia.nl。在这种情况下，指向同一概念的“单击链接”必须考虑较大门户中存在的这些属性。
然后缺少的是abcd.com同时拥有defgh.abcd.com和news.abcd.com，其中defgh.abcd.com完全不同，或者更糟糕的是，在这里重定向到完全不同的公司时，您需要添加一些技巧，例如检查元数据或图标，以确保这仍然是主域的一部分或完全不同的内容。

这是一项相当大的工作，并且需要不断更新。我的建议是不要从简单的案例开始，例如https://en.wikipedia.org/wiki/.tj，但困难者首先https://en.wikipedia.org/wiki/.br。您需要将其设置为字典/数组，因为“ .uk”和“ .gov.uk”是不同的键。

从URL获取二级域名

7 个答案: