正则表达式 - 解析域问题

Question

我正在尝试找到域名 - 除了子域名之外的所有内容。

我现在有这个正则表达式：

(?:[-a-zA-Z0-9]+\.)*([-a-zA-Z0-9]+(?:\.[a-zA-Z]{2,3})){1,2}

这适用于以下内容：

domain.tld
subdomain.tld

但它遇到麻烦，tld就像“.com.au”或“.co.uk”：

domain.co.uk (finds co.uk, should find domain.co.uk)
subdomain.domain.co.uk (finds co.uk, should find domain.co.uk)

有什么想法吗？

Answer 1

我不确定这个问题是否“可以合理解决”; Mozilla维护a list of 'public suffix' domains旨在帮助浏览器作者仅接受一个管理控制中的域的cookie（例如，阻止某人设置对*.co.uk.或*.union.aero.有效的cookie）。它显然不完美（接近最后，您会找到一长串is-a-caterer.com - 样式的域名，因此foo.is-a-caterer.com无法设置bar.is-a-caterer.com将使用的Cookie ，但is-a-caterer.com完全是一个“领域”，因为你已经定义了它。）

因此，如果您准备使用提供的列表，您可以编写一个快速的小解析器，该解析器将知道如何应用一般规则和异常来确定给定输入字符串中“域”的位置，以及只返回你感兴趣的部分。

我认为更简单的方法注定要失败：某些ccTLDs（例如.ca）不使用二级域名，一些例如.br使用数十个，而一些例如{ {1}}距离“域”几个级别，例如lib.or.us。除非你使用哪些域是公共后缀的精选列表，否则你注定要对一些非平凡的输入字符串集合出错。