如何在 C# 中使用正則表達式從字符串中提取域名？

Question

我想用正則表達式從字符串中提取頂級域名和國家頂級域名。 我測試了很多這樣的正則表達式代碼：

var linkParser = new Regex(@"\b(?:https?://|www\.)\S+\b", RegexOptions.Compiled | RegexOptions.IgnoreCase);
Match m = linkParser.Match(Url);
Console.WriteLine(m.Value);

但是這些代碼都不能正確執行。 用戶輸入的文本字符串可以在以下語句中：

jonasjohn.com
http://www.jonasjohn.de/snippets/csharp/
jonasjohn.de
www.jonasjohn.de/snippets/csharp/
http://www.answers.com/article/1194427/8-habits-of-extraordinarily-likeable-people
http://www.apple.com
https://www.cnn.com.au
http://www.downloads.news.com.au
https://ftp.android.co.nz
http://global.news.ca
https://www.apple.com/
https://ftp.android.co.nz/
http://global.news.ca/
https://www.apple.com/
https://johnsmith.eu
ftp://johnsmith.eu
johnsmith.gov.ae
johnsmith.eu
www.jonasjohn.de
www.jonasjohn.ac.ir/snippets/csharp
http://www.jonasjohn.de/
ftp://www.jonasjohn.de/
https://subdomain.abc.def.jonasjohn.de/test.htm

我測試的正則表達式：

^(?:https?:\/\/)?(?:[^@\/\n]+@)?(?:www\.)?([^:\/\n]+)"

\b(?:https?://|www\.)\S+\b

://(?<host>([a-z\\d][-a-z\\d]*[a-z\\d]\\.)*[a-z][-a-z\\d]+[a-z])

還有太多我只需要域名，不需要協議或子域。 如：Domainname.gTLD 或 DomainName.ccTLD 或 DomainName.xyz.ccTLD

我從PUBLIC SUFFIX得到了它們的列表

當然，我在 stackoverflow.com 上看過很多帖子，但沒有一個回答我。

Answer 1

您不需要正則表達式來解析 URL。 如果您有一個有效的 URL，您可以使用 Uri 構造函數之一或Uri.TryCreate來解析它：

if(Uri.TryCreate("http://google.com/asdfs",UriKind.RelativeOrAbsolute,out var uri))
{
    Console.WriteLine(uri.Host);
}

www.jonasjohn.de/snippets/csharp/和jonasjohn.de/snippets/csharp/不是有效的 URL。 TryCreate仍然可以將它們解析為相對 URL，但讀取Host會拋出System.InvalidOperationException: This operation is not supported for a relative URI.

在這種情況下，您可以使用UriBuilder類來解析和修改 URL，例如：

var bld=new UriBuilder("jonasjohn.com");
Console.WriteLine(bld.Host);

這打印

jonasjohn.com

設置Scheme屬性會生成一個有效、完整的 URL：

bld.Scheme="https";
Console.WriteLine(bld.Uri);

這產生：

https://jonasjohn.com:80/

Answer 2

根據Lidqy的回答，我寫了這個函數，我認為它支持大多數可能的情況，如果輸入值不在這個，你可以讓它例外。

public static string ExtractDomainName(string Url)
        {
            var regex = new Regex(@"^((https?|ftp)://)?(www\.)?(?<domain>[^/]+)(/|$)");

            Match match = regex.Match(Url);

            if (match.Success)
            {
                string domain = match.Groups["domain"].Value;
                int freq = domain.Where(x => (x == '.')).Count();
                while (freq > 2)
                {
                    if (freq > 2)
                    {
                        var domainSplited = domain.Split('.', 2);
                        domain = domainSplited[1];
                        freq = domain.Where(x => (x == '.')).Count();
                    }
                }
                return domain;
            }
            else
            {
                return String.Empty;
            }
        }

Answer 3

var rx = new Regex(@"^((https?|ftp)://)?(www\.)?(?<domain>[^/]+)(/|$)");
var data = new[] {           "jonasjohn.com",
                             "http://www.jonasjohn.de/snippets/csharp/",
                             "jonasjohn.de",
                             "www.jonasjohn.de/snippets/csharp/",
                             "http://www.answers.com/article/1194427/8-habits-of-extraordinarily-likeable-people",
                             "http://www.apple.com",
                             "https://www.cnn.com.au",
                             "http://www.downloads.news.com.au",
                             "https://ftp.android.co.nz",
                             "http://global.news.ca",
                             "https://www.apple.com/",
                             "https://ftp.android.co.nz/",
                             "http://global.news.ca/",
                             "https://www.apple.com/",
                             "https://johnsmith.eu",
                             "ftp://johnsmith.eu",
                             "johnsmith.gov.ae",
                             "johnsmith.eu",
                             "www.jonasjohn.de",
                             "www.jonasjohn.ac.ir/snippets/csharp",
                             "http://www.jonasjohn.de/",
                             "ftp://www.jonasjohn.de/",
                             "https://subdomain.abc.def.jonasjohn.de/test.htm"
                         };

        foreach (var dat in data) {
            var match = rx.Match(dat);
            if (match.Success)
                Console.WriteLine("{0} => {1}", dat, match.Groups["domain"].Value);
            else {
                Console.WriteLine("{0} => NO MATCH", dat);
            }
        }