Question

我试图使用preg_replace来获取域名，

我有一些列表网址

download.adwarebot.com/setup.exe
athena.vistapages.com/suspended.page /
prosearchs.com/se/tds/in.cgi?4&group=5&parameter=mail
freeserials.spb.ru/key/68703.htm

我想要的是

adwarebot.com
vistapages.com
prosearchs.com
spb.ru

任何机构都可以帮我preg_replace？

我正在使用此http://gskinner.com/RegExr/进行测试：）

Answer 1

使用preg_replace，如果TLD数量有限：

$urls = array( 'download.adwarebot.com/setup.exe',
  'athena.vistapages.com/suspended.page/',
  'prosearchs.com/se/tds/in.cgi?4&group=5&parameter=mail',
   'freeserials.spb.ru/key/68703.htm' );
$domains = preg_replace('|([^.]*\.(?:com|ru))/', '$1', $urls);

匹配.com或.ru之前的所有内容，而不是句点。（不匹配子域名）

然而，您可以使用PHP内置parse_url函数来获取主机（包括子域） - 使用另一个正则表达式，substr或数组操作来摆脱它：

$host = parse_url('http://download.adwarebot.com/setup.exe', PHP_URL_HOST);
if(count($parts = explode('.', $host)) > 2)
  $host = implode('.', array_slice($parts, -2));

Answer 2

为什么要使用正则表达式？当然有可能，但使用这个：

foreach($url in $url_list){
  $url_parts = explode('/', $url);
  $domains[] = preg_replace('~(^[^\.]+\.)~i','',$url_parts[0]);
}
$domains = array_unique($domains);

会做得很好;

Answer 3

以下代码假定每个条目都恰好位于字符串的开头：

preg_match_all('@^([\w]*\.)?([\w]*\.[\w]*)/@', $list, $m);

// var_dump($m[2]);

P.S。但正确的答案仍然是parse_url。

Answer 4

可能是更通用的解决方案：

通过grep测试，我没有php环境，抱歉：

kent$  echo "download.adwarebot.com/setup.exe
dquote> athena.vistapages.com/suspended.page/
dquote> prosearchs.com/se/tds/in.cgi?4&group=5&parameter=mail
dquote> freeserials.spb.ru/key/68703.htm"|grep -Po '(?<!/)([^\./]+\.[^\./]+)(?=/.+)'

输出：

adwarebot.com
vistapages.com
prosearchs.com
spb.ru

Preg_replace域名问题

4 个答案: