仅从给定 URL 中的主机名获取前缀

本文关键字：主机 获取 前缀 URL | 更新日期: 2023-09-27 18:35:39

我需要获取没有给定 url 的顶级域后缀的域名。

例如

  • 网址：www.google.com则输出= google

  • 网址：http://www.google.co.uk/path1/path2则输出= google

  • 网址：http://google.co.uk/path1/path2则输出= google

  • 网址：http://google.com则输出= google

  • 网址：http://google.co.in则输出= google

  • 网址：http://mail.google.co.in则输出= google

为此，我尝试此代码

 var uri = new Uri("http://www.google.co.uk/path1/path2");
 var sURL = uri.Host;
 string[] aa = sURL.Split('.');
 MessageBox.Show(aa[1]);

但是每次我都无法获得正确的输出（没有www的专业网址）。 之后，我没有搜索谷歌并尝试解决它，但它的帮助较小。 我也看到了关于堆栈溢出的问题，但它对我不起作用。

仅从给定 URL 中的主机名获取前缀

这个答案只是为了完整性，因为我认为这将是一种有效的方法，如果它不会那么复杂并且本质上滥用 DNS 系统。请注意，这也不是 100% 万无一失的（并且需要访问 DNS）。

  • 提取 URL 的完整域名。让我们以http://somepart.subdomain.example.org/some/files为例。我们会得到somepart.subdomain.example.org.
  • 将域名拆分为点：{"somepart", "subdomain", "example", "org"} 。
  • 取最右边的部分（org），看看它是否是已知的（顶级）域名。
    • 如果是，左边的下一部分是您正在寻找的域名。
    • 如果不是，请尝试为此检索 IP。
    • 如果有IP，最后添加的部分是您的域名。
    • 如果也没有 IP，请将下一部分添加到左侧并重复这些检查（在此示例中，您现在将测试example.org ）。

你的问题的正确答案是：不，你不能。

唯一几乎可以以肮脏且不易维护的方式实现它的解决方案是拥有一个包含所有现有 TopLevelDomain 的列表（您可以在此 SO 答案中找到不完整的列表）

var allTld = new[] {".com", ".it",".co.uk"}; //there you have find a really big list of all TLD
string urlToCheck = "www.google.com";//sports-ak.espn.go.com/nfl/  http://www.google.co.uk/path1/path2
if (!urlToCheck.StartsWith("http", StringComparison.OrdinalIgnoreCase))
{
    urlToCheck = string.Concat("http://", urlToCheck);
}
var uri = new Uri(urlToCheck);
string domain = string.Empty;
for (int i = 0; i < allTld.Length; i++)
{
    var index = uri.Host.LastIndexOf(allTld[i], StringComparison.OrdinalIgnoreCase);
    if (index>-1)
    {
        domain = uri.Host.Substring(0, index);
        index = domain.LastIndexOf(".", StringComparison.Ordinal);
        if (index>-1)
        {
            domain = domain.Substring(index + 1);break;
        }
    }
}
if (string.IsNullOrEmpty(domain))
{
    throw new Exception(string.Format("TLD of url {0} is missing", urlToCheck));
}

恕我直言，您应该问问自己：我真的需要没有 TLD 的名称吗？

这是你能得到的最好的。这不是一个可维护的解决方案，它不是一个"快速"的解决方案。（GetDomain.GetDomainFromUrl应进行优化）。

  • 使用 GetDomain.GetDomainFromUrl
  • TldPatterns.EXACT添加"co.uk"（我不知道为什么它首先不存在）
  • 其他一些次要的字符串操作

它应该看起来像这样：

using System;
using System.Collections.Generic;
using System.Text.RegularExpressions;
        class TldPatterns
        {
            private TldPatterns()
            {
                // Prevent instantiation.
            }
            /**
             * If a hostname is contained in this set, it is a TLD.
             */
            static public string[] EXACT = new string[] {
             "gov.uk",
             "mil.uk",
             "co.uk",
             //...
    public class Program
    {
        static void Main(string[] args)
        {
            string[] urls = new[] {"www.google.com", "http://www.google.co.uk/path1/path2 ", "http://google.co.uk/path1/path2 ",
            "http://google.com", "http://google.co.in"};
            foreach (var item in urls)
            {
                string url = item;
                if (!Regex.IsMatch(item, "^''w+://"))
                    url = "http://" + item;
                var domain = GetDomain.GetDomainFromUrl(url);
                Console.WriteLine("Original    : " + item);
                Console.WriteLine("URL         : " + url);
                Console.WriteLine("Domain      : " + domain);
                Console.WriteLine("Domain Part : " + domain.Substring(0, domain.IndexOf('.')));
                Console.WriteLine();
            }
        }
    }

输出：

Original    : www.google.com
URL         : http://www.google.com
Domain      : google.com
Domain Part : google
Original    : http://www.google.co.uk/path1/path2
URL         : http://www.google.co.uk/path1/path2
Domain      : google.co.uk
Domain Part : google
Original    : http://google.co.uk/path1/path2
URL         : http://google.co.uk/path1/path2
Domain      : google.co.uk
Domain Part : google
Original    : http://google.com
URL         : http://google.com
Domain      : google.com
Domain Part : google
Original    : http://google.co.in
URL         : http://google.co.in
Domain      : google.co.in
Domain Part : google

我已经在您的所有情况下使用以下正则表达式进行了测试，并且它可以工作。

string url = "http://www.google.co.uk/path1/path2";
Regex rgx = new Regex(@"(http(s?)://)?(www.)?((?<content>.*?)'.){1}(['w]+'.?)+");
Match MatchResult = rgx.Match(url);
string result = MatchResult.Groups["content"].Value; //google
相关文章：