如何使用正则表达式从URL中仅提取顶级域名和二级域名？我想跳过所有较低级别的域名。有任何想法吗？
如何使用正则表达式从URL中仅提取顶级域名和二级域名？我想跳过所有较低级别的域名。有任何想法吗？
这是我的想法，
使用。匹配从行尾开始的三次非点的任何内容 $ 锚。
字符串末尾的最后一个匹配应该是可选的 .com.au 要么 .co.nz 域名类型。
最后和最后一个匹配项只匹配2-3个字符，因此不会将它与二级域名混淆。
正则表达式：
[^.]*\.[^.]{2,3}(?:\.[^.]{2,3})?$
示范：
这是我的想法，
使用。匹配从行尾开始的三次非点的任何内容 $ 锚。
字符串末尾的最后一个匹配应该是可选的 .com.au 要么 .co.nz 域名类型。
最后和最后一个匹配项只匹配2-3个字符，因此不会将它与二级域名混淆。
正则表达式：
[^.]*\.[^.]{2,3}(?:\.[^.]{2,3})?$
示范：
对于任何使用JavaScript并希望以简单的方式提取顶级和二级域名的人，我最终这样做：
'example.aus.com'.match(/\.\w{2,3}\b/g).join('')
这匹配任何一个句点后跟两个或三个字符然后a 字边界。
这是一些示例输出：
'example.aus.com' // .aus.com
'example.austin.com' // .com
'example.aus.com/howdy' // .aus.com
'example.co.uk/howdy' // .co.uk
有些人可能需要更聪明的东西，但这对我来说对我的特定数据集来说已经足够了。
编辑
我意识到实际上有相当多的二级域名超过3个字符（并允许）。所以，为简单起见，我只删除了我的正则表达式的字符计数元素：
'example.aus.com'.match(/\.\w*\b/g).join('')
通过捕获组，您可以实现一些魔法。
例如，请考虑以下javascript：
let hostname = 'test.something.else.be';
let domain = hostname.replace(/^.+\.([^\.]+\.[^\.]+)$/, '$1');
document.write(domain);这将导致包含的字符串 'else.com'。这是因为正则表达式本身将匹配完整的字符串，捕获组将映射到 $1。所以它取代了完整的字符串 'test.something.else.com' 同 '$1' 这实际上是 'else.com'。
正则表达式并不漂亮，可以通过类似的东西变得更有活力 {3} 用于定义要查找子域的深度级别，但这只是一个例子。
如果您想要所有特定的顶级域名，那么您可以编写如下的正则表达式：
[RegularExpression("^(https?:\\/\\/)?(([\\w]+)?\\.?(\\w+\\.((za|zappos|zara|zero|zip|zippo|zm|zone|zuerich|zw))))\\/?$", ErrorMessage = "Is not a valid fully-qualified URL.")]
您还可以从此链接中输入更多域名：
由于TLD现在包含超过三个字符的内容，如.wang和.travel，这里有一个满足这些新TLD的正则表达式：
([^.\s]+\.[^.\s]+)$
策略：从字符串的末尾开始，查找一个或多个不是句点或空格的字符，后跟一个句点，后跟一个或多个不是句点或空格的字符。
如果你需要更具体：
/\.(?:nl|se|no|es|milru|fr|es|uk|ca|de|jp|au|us|ch|it|io|org|com|net|int|edu|mil|arpa)/
基于 http://www.seobythesea.com/2006/01/googles-most-popular-and-least-popular-top-level-domains/