需要正则表达式来捕获二级域 (SLD)

Question

我需要一个正则表达式来捕获给定的 URL SLD。

例子：

jack.bop.com -> bop
bop.com -> bop
bop.de -> bop
bop.co.uk -> bop
bop.com.br -> bop

所有波普:)。因此，此正则表达式需要忽略 ccTLD、gTLD和ccSLD。后者是困难的部分，因为我想让正则表达式尽可能不复杂。

第一个任务是删除 ccTLD，然后删除 gTLD，然后检查 ccSLD 并删除它们（如果存在）。

任何帮助深表感谢：）

--

如果有帮助，ccTLD 会通过以下方式进行匹配：

\.([a-z]{2})$

gTLD 的匹配方式是：

\.([a-z]{3-6})$

幸运的是，这是两种互斥的模式。

Answer 1

从技术上讲，“.co.uk”是“bop.co.uk”中的二级域名。您似乎要求的是向公共注册开放的域名的最高级别部分，并且您想要剥离注册商的域名。

\n

RFC 6265 \xc2\xa75.3调用您不想要“公共后缀”的后缀：

\n

\n
“公共后缀”是由公共注册表控制的域，例如“com”、“co.uk”和“pvt.k12.wy.us”。
\n

\n

\n

要创建正则表达式，您必须枚举所有公共后缀。您应该对它们进行排序，使得作为其他元素后缀的元素稍后出现。一个简单的方法是按长度降序排序。看起来颠倒 Mozilla 的列表也足够了。

\n

之后，正则表达式非常简单：

\n

(.+\\.)?([^.]+)\\.(?:<suffixes>)$\n

<suffixes>分隔的后缀列表在哪里|。它的一部分看起来像这样：

\n

gov\\.uk|ac\\.uk|co\\.uk|com|org|net|us|uk\n

有一些方法可以通过折叠通用后缀来缩短这个时间，尽管这会使正则表达式（以及计算它的过程）变得更加复杂。例如：

\n

(?:gov\\.|ac\\.|co\\.|)uk|com|org|net|us\n