Получить поддомен из URL-адреса

даже тут есть исключения - например в .uk есть несколько доменов, которые действительны сразу на этом уровне, которые не находятся в .co.uk, поэтому они должны быть добавлены в качестве исключений.

это в настоящее время, как основные браузеры делают это - это необходимо, чтобы убедиться, что example.co.uk не удается установить Cookie для .co.uk который затем будет отправлен на любой другой сайт под .co.uk.

хорошая новость заключается в том, что уже есть список доступных в http://publicsuffix.org/.

есть также некоторые работы в IETF чтобы создать какой-то стандарт, позволяющий дву объявлять, как выглядит их доменная структура. Это немного сложнее, хотя и подобными .uk.com, который управляется так, как если бы это был публичный суффикс, но не продается .com реестра.

Publicsuffix.org кажется, так и надо делать. Существует множество реализаций, чтобы легко анализировать содержимое файла данных publicsuffix:

• Perl:Домен:: PublicSuffix
• Java:http://sourceforge.net/projects/publicsuffix/
• PHP:php-domain-parser
• C# / .NET:https://github.com/danesparza/domainname-parser
• Python: http://pypi.python.org/pypi/publicsuffix
• Ruby:domainatrix, public_suffix

Как уже говорили Адам и Иоанн publicsuffix.org это правильный путь. Но, если по какой-либо причине вы не можете использовать этот подход, вот эвристика, основанная на предположении, которое работает для 99% всех доменов:

есть одно свойство, которое отличает (не все, но почти все) "реальные" Домены от поддоменов и дву, и это MX-запись DNS. Вы можете создать алгоритм, который ищет это: удалите части имени хоста по одному и запросите DNS, пока вы не найдете запись MX. Пример:

super.duper.domain.co.uk => no MX record, proceed
duper.domain.co.uk       => no MX record, proceed
domain.co.uk             => MX record found! assume that's the domain

вот пример в php:

function getDomainWithMX($url) {
    //parse hostname from URL 
    //http://www.example.co.uk/index.php => www.example.co.uk
    $urlParts = parse_url($url);
    if ($urlParts === false || empty($urlParts["host"])) 
        throw new InvalidArgumentException("Malformed URL");

    //find first partial name with MX record
    $hostnameParts = explode(".", $urlParts["host"]);
    do {
        $hostname = implode(".", $hostnameParts);
        if (checkdnsrr($hostname, "MX")) return $hostname;
    } while (array_shift($hostnameParts) !== null);

    throw new DomainException("No MX record found");
}

просто написал программу для этого в clojure на основе информации из publicsuffix.org:

https://github.com/isaksky/url_dom

например:

(parse "sub1.sub2.domain.co.uk") 
;=> {:public-suffix "co.uk", :domain "domain.co.uk", :rule-used "*.uk"}

для библиотеки C (с генерацией таблиц данных в Python) я написал http://code.google.com/p/domain-registry-provider/ который является быстрым и эффективным в пространстве.

библиотека использует ~30kB для таблиц данных и ~10kB для кода C. Нет никаких накладных расходов при запуске, так как таблицы создаются во время компиляции. См.http://code.google.com/p/domain-registry-provider/wiki/DesignDoc для более подробной информации.

чтобы лучше понять таблицу генерация кода (Python), начните здесь: http://code.google.com/p/domain-registry-provider/source/browse/trunk/src/registry_tables_generator/registry_tables_generator.py

чтобы лучше понять API C, см.: http://code.google.com/p/domain-registry-provider/source/browse/trunk/src/domain_registry/domain_registry.h

Как уже было сказано Публичный Список Суффиксов это только один способ правильно проанализировать домен. Для PHP вы можете попробовать TLDExtract. Вот пример кода:

$extract = new LayerShifter\TLDExtract\Extract();

$result = $extract->parse('super.duper.domain.co.uk');
$result->getSubdomain(); // will return (string) 'super.duper'
$result->getSubdomains(); // will return (array) ['super', 'duper']
$result->getHostname(); // will return (string) 'domain'
$result->getSuffix(); // will return (string) 'co.uk'

Это не работает точно, но вы могли бы получить полезный ответ, пытаясь получить домен по частям и проверить ответ, т. е. fetch'http://uk', затем'http://co.uk', затем'http://domain.co.uk'. Когда вы получаете ответ без ошибок, у вас есть домен, а остальное-поддомен.

иногда вы просто должны попробовать его :)

Edit:

том Лейс указывает в комментарии, что некоторые домены настроены только на поддомене www, что даст нам неверный ответ в приведенном выше тесте. Хорошая мысль! Возможно, лучшим подходом было бы проверить каждую часть с помощью 'http://www 'а также' http://', и подсчитайте хит либо как хит для этого раздела доменного имени? Нам все еще не хватает некоторых "альтернативных" механизмов, таких как "web.domain.com', но я не сталкивался с одним из них в течение некоторого времени:)

используйте URIBuilder затем получите URIBUilder.хозяин атрибута разбейте его на массив по"." теперь у вас есть массив с разделенным доменом.

echo tld('http://www.example.co.uk/test?123'); // co.uk

/**
 * http://publicsuffix.org/
 * http://www.alandix.com/blog/code/public-suffix/
 * http://tobyinkster.co.uk/blog/2007/07/19/php-domain-class/
 */
function tld($url_or_domain = null)
{
    $domain = $url_or_domain ?: $_SERVER['HTTP_HOST'];
    preg_match('/^[a-z]+:\/\//i', $domain) and 
        $domain = parse_url($domain, PHP_URL_HOST);
    $domain = mb_strtolower($domain, 'UTF-8');
    if (strpos($domain, '.') === false) return null;

    $url = 'http://mxr.mozilla.org/mozilla-central/source/netwerk/dns/effective_tld_names.dat?raw=1';

    if (($rules = file($url)) !== false)
    {
        $rules = array_filter(array_map('trim', $rules));
        array_walk($rules, function($v, $k) use(&$rules) { 
            if (strpos($v, '//') !== false) unset($rules[$k]);
        });

        $segments = '';
        foreach (array_reverse(explode('.', $domain)) as $s)
        {
            $wildcard = rtrim('*.'.$segments, '.');
            $segments = rtrim($s.'.'.$segments, '.');

            if (in_array('!'.$segments, $rules))
            {
                $tld = substr($wildcard, 2);
                break;
            }
            elseif (in_array($wildcard, $rules) or 
                    in_array($segments, $rules))
            {
                $tld = $segments;
            }
        }

        if (isset($tld)) return $tld;
    }

    return false;
}

Я только что написал библиотеку objc:https://github.com/kejinlu/KKDomain

вы можете использовать этот lib tld.JS: JavaScript API для работы со сложными доменными именами, поддоменами и URI.

tldjs.getDomain('mail.google.co.uk');
// -> 'google.co.uk'

Если вы получаете корневой домен в браузере. Вы можете использовать этот Либ AngusFu / browser-root-domain.

var KEY = '__rT_dM__' + (+new Date());
var R = new RegExp('(^|;)\s*' + KEY + '=1');
var Y1970 = (new Date(0)).toUTCString();

module.exports = function getRootDomain() {
  var domain = document.domain || location.hostname;
  var list = domain.split('.');
  var len = list.length;
  var temp = '';
  var temp2 = '';

  while (len--) {
    temp = list.slice(len).join('.');
    temp2 = KEY + '=1;domain=.' + temp;

    // try to set cookie
    document.cookie = temp2;

    if (R.test(document.cookie)) {
      // clear
      document.cookie = temp2 + ';expires=' + Y1970;
      return temp;
    }
  }
};

использование cookie-это сложно.

список общих суффиксов (.co.uk,. com, et cetera), чтобы раздеться вместе с http:// и тогда у вас будет только "sub.домен" для работы вместо"http://sub.домен.суффикс

бросив быстрый взгляд на publicsuffix.org список, похоже, что вы можете сделать разумное приближение, удалив последние три сегмента ("сегмент" здесь означает раздел между двумя точками) из доменов, где последний сегмент имеет два символа длиной, исходя из предположения, что это код страны и будет далее подразделяться. Если последний сегмент-это "us", а предпоследний сегмент-это также два символа, удалите последние четыре сегмента. Во всех остальных случаях удалите заключительные два сегмента. например:

• http://www.домен.пример

"пример" - это не два символа, поэтому удалите "домен".пример", оставив "ВСП"

• http://super.пупер.домен.пример

"пример" - это не два символа, поэтому удалите "домен".пример", оставив "супер.пупер"

• http://super.duper.domain.co.uk

" uk " - это два персонажи (но не "мы"), так что уберите "domain.co.uk", уходя " супер.пупер"

• http://foo.pvt.k12.wy.us

"нам" - это два символа, и это "мы", плюс "Вайоминг" тоже два символа, чтобы удалить "ПВТ.К12.Вайоминг.нас", оставив "фу".

обратите внимание, что, хотя это работает для всех примеров, которые я видел в ответах, осталось только разумное приближение. Это не совсем правильно, хотя я подозреваю, что это примерно так же близко как вы, вероятно, получите без создания/получения фактического списка для использования Для справки.