用于提取主机名的正则表达式

Question

给定一个 URL，我必须使用正则表达式来查找主机名。

网址可以有多种形式：

http://www.google.com/                            [expected 'google.com']
https://www.google.com:2000/                      [expected 'www.google.com']
http://100.1.25.3:8000/foo/bar?abc.php=xxxx+xxxx  [expected '100.1.25.3']
www.google.com                                    [expected 'www.google.com']
10.0.2.2:5000                                     [expected '10.0.2.2']
localhost/                                        [expected 'localhost']
localhost/foo                                     [expected 'localhost']

我能想到的最接近的是：

^(?:[^:]+://)*([^:/]+).*

并使用正则表达式的第一个捕获组捕获的字符串。

但是，有些情况会失败：

google.com   [nothing is captured, expected 'google.com']
http://///x  ['http' is captured, expected nothing]

什么是可以处理这些情况的正则表达式？

---

请注意：

• 我不是在问我的正则表达式有什么问题。我知道哪里出了问题，我就是想不出另一个正则表达式。
• 解决方案只需要可靠地提取主机名，无需验证它。我稍后会验证这些东西，所以如果正则表达式从https://google!com/foo 中取出google!com，这是可以接受的*。

^{* ... 甚至可能是可取的，因为主机名可以包含 Unicode 字符（国际化域名）。}

Answer 1

我想出了这个

/^(?:[a-zA-Z\d][a-zA-Z\d-]+){1}(?:\.[a-zA-Z]{2,6})+$/

^ - 表示它必须以这个正则表达式开头

(?:[a-zA-Z\d][a-zA-Z\d-]+){1} - 匹配主机名

(?:\.[a-zA-Z]{2,6})+ - 匹配一个或多个 TLD。 (co.uk)

$ - 表示它必须以这个正则表达式结尾

Answer 2

您可以在 PCRE 中使用此正则表达式：

'~^(?:[^:\n]+://)?([^:#/\n]*)~m'

RegEx Demo