我需要将whois数据放在像
这样的表中我的脚本是从whois服务器提取数据，但每个域扩展的输出都不同。
例如，对于.com个域名，注册人详细信息作为总地址，.org个域名称为注册人名称，street1，street2，street3等。
所以我无法将注册人详细信息作为一个单元提取到db。
我听说如果我们得到xml数据我们能够提取它，有人可以帮助解决这个问题吗？谢谢！
答案 0 :(得分：5)
实际上这个问题远大于此。
WHOIS服务由RFC3912定义。这是一个非常基本的请求协议，它没有定义所有的回答内容的格式。因此，答案通常反映了包含数据的数据库的格式，您可能会为每个数据库获得不同的语法。由于WHOIS可以用于您想要的任何内容，因此您无法对您将获得的答案格式做出许多假设。但是，希望您可以获得可解析的内容，以及针对每个请求的类似格式的答案。
因此，您需要为每个服务器开发一个解析逻辑，您将需要以非常经验的方式进行解析。
然而，这里有一些来自RFC的开发技巧。
您需要使用TCP端口43发送请求，其中一行以CR + LF ASCII字符结尾
您必须期望TCP连接结束才意味着答案已经完成。
特别是关于域名，您可能需要注意以前对ASCII编码的限制使得一些注册人使用Punycode对DNS系统中的某些（通过示例加重）字符串进行编码，因此您可能希望能够在如果你在某些回复中遇到了Whois的回答。自2003年以来，国际化域名的存在将要求您支持unicode编码。转换名称的算法很复杂，RFC 3490应该为您提供一些有用的详细信息。
祝你好运！答案 1 :(得分：1)
您需要检测格式并为它们使用不同的正则表达式。或者，正如您所提到的，您可以使用XML甚至JSON API http://whoisxmlapi.com/ http://www.domaintools.com/api/docs/
答案 2 :(得分：0)
您需要扩展数据库和处理以更好地解决问题。
远程服务提供的数据采用不同的格式，如您所述。因此，您需要分离获取数据和解析数据的问题，因为这两者之间是相互独立的。例如，一个TLD的格式可以随时间改变 。
首先，您要获取每个域的纯文本数据并存储它的元数据：
然后您可以在稍后的第二个处理中进行解析。您可以使用已存在的元数据来决定所需的解析算法。这有助于您随着时间的推移维护您的应用程序。
解析后，你得到了标准化的格式，这就是你的目标。
除了这些技术处理之外，您还应该注意whois服务提供的使用条件。并非所有技术上可行的，在法律上或道德上都被接受。在应有的尊重下，小心并对待他人的个人记录。保护您收集的数据，例如存档和加扰/锁定数据，您不再需要它们进行处理。
参见：