如何使用 PHP 从 URL 获取基本域名？答案

【问题标题】：How to get the base domain name from an URL using PHP?如何使用 PHP 从 URL 获取基本域名？
【发布时间】：2010-07-09 09:34:31
【问题描述】：

我需要从 URL 中获取域名。以下示例都应返回google.com：

google.com
images.google.com
new.images.google.com
www.google.com

同样，以下 URL 都应返回 google.co.uk。

google.co.uk
images.google.co.uk
new.images.google.co.uk
http://www.google.co.uk

我对使用正则表达式犹豫不决，因为像 domain.com/google.com 这样的东西可能会返回不正确的结果。

如何使用 PHP 获得顶级域？这需要适用于所有平台和主机。

【问题讨论】：

这很棘手。对于google.com，您对TLD 和二级域名感兴趣。对于google.co.uk，您需要TLD 以及二级和三级域名。没有定义的“基本名称”，您所说的“基本名称”对于不同的注册商/TLD 是不同的。
我很确定你在这里必须有点啰嗦，你要求的是吃你的蛋糕并拥有它。如果没有 TLD 列表，就无法区分 co.uk 和 google.com，它们都是主机名。
我猜你们是对的，如果没有大量代码，看起来任何事情都无法正常工作
试试gist.github.com/praisedpk/64bdb80d28144aa78d58469324432277

标签： php

【解决方案1】：

你可以这样做：

$urlData = parse_url($url);

$host = $urlData['host'];

** 更新**

我能想到的最好方法是对您要处理的所有 TLD 进行映射，因为某些 TLD 可能很棘手 (co.uk)。

// you can add more to it if you want
$urlMap = array('com', 'co.uk');

$host = "";
$url = "http://www.google.co.uk";

$urlData = parse_url($url);
$hostData = explode('.', $urlData['host']);
$hostData = array_reverse($hostData);

if(array_search($hostData[1] . '.' . $hostData[0], $urlMap) !== FALSE) {
  $host = $hostData[2] . '.' . $hostData[1] . '.' . $hostData[0];
} elseif(array_search($hostData[0], $urlMap) !== FALSE) {
  $host = $hostData[1] . '.' . $hostData[0];
}

echo $host;

【讨论】：

【解决方案2】：

顶级域和二级域可能有 2 个字符长，但注册的子域必须至少有 3 个字符长。

编辑：由于 pjv 的评论，我了解到澳大利亚域名是一个例外，因为它们允许 5 个 TLD 作为 SLD（com、net、org、asn、id）例如：somedomain.com.au。我猜 com.au 是“共享”的国家控制域名。因此，从技术上讲，“com.au”仍将是“基本域”，但这没有用。

编辑：有 47,952 个可能的三字母域名（模式：[a-zA-Z0-9][a-zA-Z0-9-][a-zA-Z0-9] 或 36 * 37 * 36) 结合 8 个最常见的 TLD（com、org 等），我们有 383,616 种可能性——甚至没有添加整个 TLD 范围。 1 字母和 2 字母域名仍然存在，但以后不再有效。

在 google.com 中——“google”是“com”的子域

在 google.co.uk 中——“google”是“co”的子域，而后者又是“uk”的子域，或者实际上是二级域，因为“co”也是有效的顶级域级域

在 www.google.com 中——“www”是“google”的子域，是“com”的子域

“co.uk”不是有效的主机，因为没有有效的域名

假设这个函数在几乎所有情况下都会返回正确的“basedomain”，而不需要“url map”。

如果您碰巧是少数情况之一，也许您可以修改它以满足特定需求...

编辑：您必须将域字符串作为带有协议（http://、ftp:// 等）的 URL 传递，否则 parse_url() 不会认为它是有效的 URL（除非您想将代码修改为行为不同）

function basedomain( $str = '' )
{
    // $str must be passed WITH protocol. ex: http://domain.com
    $url = @parse_url( $str );
    if ( empty( $url['host'] ) ) return;
    $parts = explode( '.', $url['host'] );
    $slice = ( strlen( reset( array_slice( $parts, -2, 1 ) ) ) == 2 ) && ( count( $parts ) > 2 ) ? 3 : 2;
    return implode( '.', array_slice( $parts, ( 0 - $slice ), $slice ) );
}

如果您需要准确使用fopen 或curl 打开此网址： http://data.iana.org/TLD/tlds-alpha-by-domain.txt

然后将这些行读入一个数组并使用它来比较域部分

编辑：允许澳大利亚域名：

function au_basedomain( $str = '' )
{
    // $str must be passed WITH protocol. ex: http://domain.com
    $url = @parse_url( $str );
    if ( empty( $url['host'] ) ) return;
    $parts = explode( '.', $url['host'] );
    $slice = ( strlen( reset( array_slice( $parts, -2, 1 ) ) ) == 2 ) && ( count( $parts ) > 2 ) ? 3 : 2;
    if ( preg_match( '/\.(com|net|asn|org|id)\.au$/i', $url['host'] ) ) $slice = 3;
    return implode( '.', array_slice( $parts, ( 0 - $slice ), $slice ) );
}

重要的附加说明：我不使用此功能来验证域。它是通用代码，我仅用于从全局$_SERVER['SERVER_NAME'] 中提取运行它的服务器的基域，以便在各种内部脚本中使用。考虑到我只在美国境内的网站上工作过，我从未遇到过 pjv 询问的澳大利亚变体。它对内部使用很方便，但距离完整的域验证过程还有很长的路要走。如果您尝试以这种方式使用它，我建议您不要这样做，因为匹配无效域的可能性太多。

【讨论】：

如果您将 strlen() == 2 更改为 <=3 您将捕获 99% 的域，将子域保存在 localhost 等等。这是我整理的修订版：gist.github.com/anonymous/fe77c97e632675411c3c
不，修订版无法正常工作。它必须是 == 2 因为当最后一部分的下一个是 3 时
@Mahn 此外，您的修订版中有许多额外的位——不需要的变量分配和不需要的条件嵌套。更多代码和不想要的结果——您是否彻底测试了您的修订版？
@Mahn 还有，您的修订在$middlePart = array_slice($parts, -2, 1)[0]; 附近触发了一个错误[0]
我的版本在 5.5 的生产环境中运行良好，也许您使用的是较旧的 PHP 版本？额外的嵌套和变量赋值是为了保持理智和可读性，我个人不喜欢看起来像黑客马拉松一样被黑客攻击的代码，但这只是个人喜好。我还发现<=3 对我的需求来说足够准确，因为我不使用三个字母的域，它可能对大多数人来说应该足够准确。

【解决方案3】：

尝试使用：http://php.net/manual/en/function.parse-url.php。像这样的东西应该可以工作：

$urlParts = parse_url($yourUrl);
$hostParts = explode('.', $urlParts['host']);
$hostParts = array_reverse($hostParts);
$host = $hostParts[1] . '.' . $hostParts[0];

【讨论】：

如果你有这样的东西会破坏：google.co.uk - 在这种情况下，它会返回“co.uk”。
确实，唯一的方法是使用 TLD 列表。

【解决方案4】：

与 xil3 混合回答这是我要检查 localhost 和 ip，所以你也可以在开发环境中工作。
您仍然必须定义要使用的 TLD。除此之外一切正常。

<?php
function getTopLevelDomain($url){
    $urlData = parse_url($url);
    $urlHost = isset($urlData['host']) ? $urlData['host'] : '';
    $isIP = (bool)ip2long($urlHost);
    if($isIP){ /** To check if it's ip then return same ip */
        return $urlHost;
    }
    /** Add/Edit you TLDs here */
    $urlMap = array('com', 'com.pk', 'co.uk');

    $host = "";
    $hostData = explode('.', $urlHost);
    if(isset($hostData[1])){ /** To check "localhost" because it'll be without any TLDs */
        $hostData = array_reverse($hostData);

        if(array_search($hostData[1] . '.' . $hostData[0], $urlMap) !== FALSE) {
            $host = $hostData[2] . '.' . $hostData[1] . '.' . $hostData[0];
        } elseif(array_search($hostData[0], $urlMap) !== FALSE) {
            $host = $hostData[1] . '.' . $hostData[0];
        }
        return $host;
    }
    return ((isset($hostData[0]) && $hostData[0] != '') ? $hostData[0] : 'error no domain'); /* You can change this error in future */
}
?>

你可以这样使用它

$string = 'http://googl.com.pk';
echo getTopLevelDomain( $string ) . '<br>';

$string = 'http://googl.com.pk:23';
echo getTopLevelDomain( $string ) . '<br>';

$string = 'http://googl.com';
echo getTopLevelDomain( $string ) . '<br>';

$string = 'http://googl.com:23';
echo getTopLevelDomain( $string ) . '<br>';

$string = 'http://adad.asdasd.googl.com.pk';
echo getTopLevelDomain( $string ) . '<br>';

$string = 'http://adad.asdasd.googl.com.pk:23';
echo getTopLevelDomain( $string ) . '<br>';

$string = 'http://adad.asdasd.googl.com';
echo getTopLevelDomain( $string ) . '<br>';

$string = 'http://adad.asdasd.googl.com:23';
echo getTopLevelDomain( $string ) . '<br>';

$string = 'http://192.168.0.101:23';
echo getTopLevelDomain( $string ) . '<br>';

$string = 'http://192.168.0.101';
echo getTopLevelDomain( $string ) . '<br>';

$string = 'http://localhost';
echo getTopLevelDomain( $string ) . '<br>';

$string = 'https;//';
echo getTopLevelDomain( $string ) . '<br>';

$string = '';
echo getTopLevelDomain( $string ) . '<br>';

你会得到这样的字符串

googl.com.pk
googl.com.pk
googl.com
googl.com
googl.com.pk
googl.com.pk
googl.com
googl.com
192.168.0.101
192.168.0.101
localhost
error no domain
error no domain

【讨论】：

【解决方案5】：

我不是 PHP 开发人员，我知道这不是完整的解决方案，但我认为一般问题实际上是识别所有可能的公共域名。

幸运的是，https://publicsuffix.org/list/ 维护了一个公共域列表。该列表分为两部分。第一部分是公共域名，其中包括这些 cmets 中列出的许多域名，例如 .com 和 .com.au。公共域名以===BEGIN ICANN DOMAINS===和===END ICANN DOMAINS===分隔。

如果您只加载 ICANN 域列表，那么您可以识别顶级域名。但是需要 PHP 开发人员来解释如何有效地做到这一点:)

如果您加载整个列表，那么您还可以获得有关私有子域的信息，例如github.io 下的那些。

【讨论】：

【解决方案6】：

您可能想要使用公共后缀列表。

https://publicsuffix.org/

在 php ypu 中可以使用 regdom 库做到这一点：

https://github.com/usrflo/registered-domain-libs/

【讨论】：

【解决方案7】：

此处的答案均不支持包含 3 部分的公共后缀，这些后缀也存在（例如，.k12.ak.us）

这是一个更完整的解决方案，它允许任何长度的公共后缀：

public function getBaseDomain($domain)
    {
        if (empty($domain) || substr_count($domain, ".") < 2) {
            return $domain;
        }
        $publicSuffixes = [".com",".co.uk",".k12.ak.us", ......];
        $domainParts = explode(".", $domain);
        $checkDomain = array_pop($domainParts);

        do {
            $checkDomain = array_pop($domainParts) . "." . $checkDomain;
            if (empty($domainParts)) {
                break;
            }
        } while (array_search("." . $checkDomain, $publicSuffixes) !== false);


        return $checkDomain;
    }

注意：这里的代码已经假定它是一个域，而不是一个 IP，并假定它是一个有效域，没有 https://。

有关可用公共后缀的最完整列表，请参阅https://publicsuffix.org/list/public_suffix_list.dat

【讨论】：

【解决方案8】：

使用此功能：

function getHost($url){
    if (strpos($url,"http://")){
        $httpurl=$url;
    } else {
        $httpurl="http://".$url;
    }
    $parse = parse_url($httpurl);
    $domain=$parse['host'];

    $portion=explode(".",$domain);
    $count=sizeof($portion)-1;
    if ($count>1){
        $result=$portion[$count-1].".".$portion[$count];
    } else {
        $result=$domain;
    }
    return $result;
}

回答示例 URL 的所有变体。

【讨论】：