Question

我正在开发一个程序，需要从URL中提取TLD和网页扩展

例如：http://www.example.com/somedir/someotherdir/index.html应该为我提供TLD .com和扩展Html

虽然：http://www.example.com.au/somedir/someotherdir/index/应该为我提供TLD .com.au和扩展null

有什么方法可以用Perl中的Regex做到这一点？我在Perl中使用URI模块，但似乎无法执行此类型的提取。

Answer 1

如果您使用的是URI模块，则可以轻松提取host和path。然后，这是一个简单的问题，在最后一个点之后取出所有内容，或相反地删除所有内容，包括最后一个点。您可能希望扩展更复杂，以正确处理没有扩展的情况。

($tld = $uri->host) =~ s/.*\.//;

($extension = $uri->path) =~ s/.*\///;
$extension = '' unless $extension =~ s/.*\.//;

Answer 2

可以修改RFC-3986 Appendix B中提供的正则表达式来完成此任务：

if ($urltext =~ m!
    ^                 # Anchor to start of string.
    (?:[^:/?#\s]+:)?  # Optional URI scheme.
    //[^:/?#\s]+\.    # Required (non-IP) host (up to TLD)
    ([^:/?#\s.\d]+)   # $1: Top level domain(TLD)
    (?::\d+)?         # Optional port.
    /                 # Required path separator.
    [^?#\s]*\.        # Path up to file extension.
    ([^?#\s.]+)       # $2: File extension.
    (?:\?[^#\s]*)?    # Optional query.
    (?:\#\S*)?        # Optional fragment.
    $                 # Anchor to end of string.
    !x) {
    $tld = $1;
    $ext = $2;
} else {
    # no match
}

（注意：SO语法高亮显示器无法处理Perl'x'模式正则表达式）

匹配来自URL的TLD和文件扩展名

2 个答案: