去哪里PHP parse_url()没有 - 只解析域

Question

PHP的parse_url()有一个主机字段,其中包含完整的主机.我正在寻找最可靠(也是最便宜)的方式来返回域和TLD.

举个例子:

• http://www.google.com/foo,parse_url ()返回www.google.com for host
• http://www.google.co.uk/foo,parse_url()返回www.google.co.uk主持人

我只想找google.com或google.co.uk.我已经考虑了一个有效的TLD /后缀表,只允许这些和一个单词.你会以其他方式做吗？有没有人知道这种事情的预先有效的REGEX？

Answer 1

这样的事情怎么样？

function getDomain($url) {
  $pieces = parse_url($url);
  $domain = isset($pieces['host']) ? $pieces['host'] : '';
  if (preg_match('/(?P<domain>[a-z0-9][a-z0-9\-]{1,63}\.[a-z\.]{2,6})$/i', $domain, $regs)) {
    return $regs['domain'];
  }
  return false;
}

将使用经典提取域名parse_url,然后查找没有任何子域的有效域(www是子域).不会在'localhost'之类的东西上工作.如果不匹配则返回false.

//编辑:

尝试一下:

echo getDomain('http://www.google.com/test.html') . '<br/>';
echo getDomain('https://news.google.co.uk/?id=12345') . '<br/>';
echo getDomain('http://my.subdomain.google.com/directory1/page.php?id=abc') . '<br/>';
echo getDomain('https://testing.multiple.subdomain.google.co.uk/') . '<br/>';
echo getDomain('http://nothingelsethan.com') . '<br/>';

它应该返回:

google.com
google.co.uk
google.com
google.co.uk
nothingelsethan.com

当然,如果它没有通过parse_url,它将不会返回任何内容,因此请确保它是一个格式良好的URL.

//附录:

Alnitak是对的.上面提出的解决方案在大多数情况下都有效,但不一定都需要维护,例如,确保它们不是具有.morethan6字符的新TLD等等.提取域的唯一可靠方法是使用维护列表,例如http://publicsuffix.org/.一开始它更痛苦但长期更容易和更强大.您需要确保了解每种方法的优缺点以及它如何适合您的项目.

Answer 2

目前唯一"正确"的方法是使用http://publicsuffix.org/上保存的列表.

顺便说一句,这个问题也几乎与以下内容重复:

• 我可以改进有效域名的正则表达式检查吗？
• 从URL获取子域

IETF正在进行标准化工作,寻找DNS方法来声明DNS树中的特定节点是否用于"公共"注册,但它们还处于早期开发阶段.所有流行的非IE浏览器都使用publicsuffix.org列表.