Кто-нибудь знает регулярное выражение для соответствия Domain.CCTLD? Мне не нужны субдомены, только «атомарный домен». Например, docs.google.com не соответствует, но google.com соответствует. Однако это усложняется с такими вещами, как .co.uk, CCTLD. Кто-нибудь знает решение? Заранее спасибо.
РЕДАКТИРОВАТЬ: Я понял, что мне также приходится иметь дело с несколькими поддоменами, например john.doe.google.co.uk. Решение нужно сейчас как никогда: P.
Основываясь на вашем комментарии выше, я собираюсь переосмыслить вопрос - вместо того, чтобы создавать регулярное выражение, которое будет соответствовать им, мы создадим функцию, которая будет соответствовать им, и применим эту функцию для фильтрации списка доменных имен только для включать домены первого класса, например google.com, amazon.co.uk.
Во-первых, нам понадобится список TLD. Как сказал Грег, список публичных суффиксов - отличное место для начала. Предположим, вы преобразовали список в массив Python с именем suffixes. Если вам это не нравится, прокомментируйте, и я могу добавить код, который это сделает.
suffixes = parse_suffix_list("suffix_list.txt")
Теперь нам понадобится код, который определяет, соответствует ли данное доменное имя шаблону some-name.suffix:
def is_domain(d):
for suffix in suffixes:
if d.endswith(suffix):
# Get the base domain name without suffix
base_name = d[0:-(suffix.length + 1)]
# If it contains '.', it's a subdomain.
if not base_name.contains('.'):
return true
# If we get here, no matches were found
return false
Похоже, вы ищете информацию, доступную в проекте Public Suffix List.
«Открытый суффикс» - это суффикс, под которым пользователи Интернета могут напрямую регистрировать имена. Некоторые примеры общедоступных суффиксов: «.com», «.co.uk» и «pvt.k12.wy.us». Список публичных суффиксов - это список всех известных публичных суффиксов.
Не существует единого регулярного выражения, которое бы разумно соответствовало списку общедоступных суффиксов. Вам нужно будет реализовать код для использования списка общедоступных суффиксов или найти существующую библиотеку, которая уже делает это.
Я бы, вероятно, решил эту проблему, получив полный список TLD и используя его для создания регулярного выражения. Например (в Ruby, извините, еще не Pythonista):
tld_alternation = ['\.com','\.co\.uk','\.eu','\.org',...].join('|')
regex = /^[a-z0-9]([a-z0-9\-]*[a-z0-9])?(#{tld_alternation})$/i
Я не думаю, что возможно правильно провести различие между реальным двухчастным TLD и субдоменом, не зная фактического списка TLD (то есть: вы всегда можете создать субдомен, который выглядит как TLD, если вы знаете, как работает регулярное выражение).
