正則表達式從任何域提取域名

Question

我正在嘗試從C＃中的字符串中提取域名。 您不一定要使用RegEx，但我們應該能夠從以下所有內容中提取yourdomain.com ：

yourdomain.com
www.yourdomain.com
http://www.yourdomain.com
http://www.yourdomain.com/
store.yourdomain.com
http://store.yourdomain.com
whatever.youdomain.com
*.yourdomain.com

此外，任何TLD都是可以接受的，所以用.net ， .org ， 'co'uk等替換以上所有內容。

Answer 1

1. 如果沒有方案存在（字符串中沒有冒號），請在“http：//”前加上一個有效的URL。

2. 將字符串傳遞給Uri構造函數 。

3. 訪問Uri的主機屬性 。

現在你有了主機名。 你究竟認為給定主機名的“域名”究竟是一個值得商榷的問題。 我猜你不是簡單地說第一個點之后的所有東西。

不可能將'whatever.youdomain.com'等主機名與像'warwick.ac.uk'這樣的SLD中的域名區分開來。 事實上，考慮到一些注冊商努力開拓自己的利基市場，甚至還有一些關於什么是公共SLD的灰色區域。

一種常見的方法是維護一個由無關實體使用的SLD和其他后綴的大列表。 這就是Web瀏覽器為阻止不必要的公共cookie共享所做的事情。 一旦找到了公共后綴，就可以在主機名中添加一個最接近的前綴，用點分割，以獲得負責給定主機名的最高級實體，如果這是您想要的。 后綴列表是難以維護的，但你可以捎帶別人的努力 。

或者，如果您的應用程序具有執行此操作的時間和網絡連接，則可以開始嗅探有關主機名的信息。 例如。 它可以對主機名執行whois查詢，並繼續查看每個父項，直到獲得結果，這將是負責給定主機名的最低級實體的域名。

或者，如果所有這些工作太多，你可以嘗試切斷任何領先的'www'。 當下！

Answer 2

我建議你自己嘗試一下。 使用調節器和正則表達式備忘單。

http://sourceforge.net/projects/regulator/

http://regexlib.com/CheatSheet.aspx

還可以在編碼恐怖片時找到關於正則表達式的一些好信息。

Answer 3

正則表達式並不真正符合您對“ 任何 TLD”的要求，因為TLD的格式和數量非常大並且不斷變化。 如果您將范圍限制為：

(?<domain>[^\.]+\.([A-Z]+$|co\.[A-Z]$))

你會抓住.anything和.co.anything，我想這涵蓋了最現實的案例......

Answer 4

看看這個其他答案 。 它適用於PHP，但您可以輕松地從4-5行PHP中獲取正則表達式，您可以從后面的討論中受益（請參閱Alnitak的答案 ）。