我正在尝试从字符串中提取域名和 TLD（如果存在）。
对于“testing.co.uk”，我想要一个包含值的数组：(“testing”，“co.uk”)
对于“-testing.c”，我想要一个带有值的数组：(“testing”)
对于“test-ing.co.uk.com”，我想要一个包含值的数组（“test-ing”，“co.uk”）
规则很简单：
我有这个：
(\w[-\w]*\w) - 提取域名的第一部分（工作中）\.(\w{2,}(\.?\w{2,})?) - 获取 TLD（无效）【问题讨论】：
标签： regex
如果我们可以假设 TLD 在字符串的末尾最多有 2 个小节（最后一个小节始终是 TLD 的一部分），并且中间小节的长度在 2 到 3 个字符之间。如果字符串中至少有一个小节不是 TLD，那么以下内容应该与大多数情况匹配。您关于需要所有字母数字且中间有破折号的域的假设是正确的。每个段的长度只能为 63 个字符。
^((?:www\.)?(?:\w[-\w]{0-61}\w|\w)(?:\.\w[-\w]{0-61}\w|\w)*?)\.((?:\w{2-3}\.)?\w+))$
解释一下：
(?: ) 表示非捕获匹配，可以使用 +, *, ?在它上面，但它不会在您的答案中返回
^和$分别匹配字符串的开头和结尾
{n-m} 类似于 * 或 +，但匹配特定数量的字符
*? 表示匹配 0 个或多个匹配，但它是非贪婪的，因此匹配有效匹配所需的最少次数。这意味着可能被正则表达式任一侧匹配的小节将进入 TLD。
(?:www\.)? 这是对短域名（例如 www.un.org）的错误修复
(?:\w[-\w]{0-61}\w|\w) 确保域部分中至少有一个小节，并且每个小节最多 63 个字符 (61+2=63)。小节由外部括号捕获。末尾的 |\w 位解决了 x.org 和 i.net 等单字母域名的边缘情况。
(?:\.\w[-\w]{0-61}\w)*?|\w) 需要重复，因为第一小节不能以点开头。其中零个或多个是必需的，但要使其成为非贪婪搜索。
((?:\w{2-3}\.)?\w+) 根据上述规则匹配 TLD。最后一个小节始终是 TLD 的一部分。关于什么构成二级 TLD 的规则更加模糊
此正则表达式并非完全万无一失，因为有一些例外情况违反了上述规则。 www.un.com 是具有短域名的单段 TLD 的一个示例。 gmp.police.uk（大曼彻斯特警察局）是另一个域的示例，其中 TLD (police.uk) 将无法正确匹配（它将匹配为 uk）。
我已将 TLD 段的长度扩展到 {2-4}，因为我们需要包括 .info 和 .mod.uk 等域。我已将第二个 TLD 段的长度减少到 {2-3} 以减少四个字母域名的不匹配数量，对于两个或三个字母的域名我们无能为力，但它们只会在以下情况下不匹配该域还包含一个子域，例如 blog.cat.com
这里列出了一些已在使用的 TLD，其中可能会突出一些边缘情况。我不认为有任何
http://en.wikipedia.org/wiki/List_of_Internet_top-level_domains
http://en.wikipedia.org/wiki/.uk
【讨论】：
从网址中删除 http:// 和 https:// 后，这对我有用：
(?:www\.)?((?!-)[a-zA-Z0-9-]{2,63}(?<!-))\.?((?:[a-zA-Z0-9]{2,})?(?:\.[a-zA-Z0-9]{2,})?)
我一次检查一个 url，如果它返回两个匹配项，我认为它是有效的（因为我没有 正规表达式 技能在那里做同样的检查）。
在这里试试：http://rubular.com/r/CXmWlSuikP
编辑：在没有反馈的情况下投反对票对这个社区的任何人都没有帮助。如果此答案不适用于您的具体情况，请发表评论。如果您找到问题的解决方案，请将其作为答案发布。
【讨论】：