问一道编程面试题：regex匹配文本中的域名 - 未名空间MITBBS历史存档

国际科技财经博客移民网络热点娱乐民生时事公众号

Redian新闻

>未名空间

>JobHunting - 待字闺中

问一道编程面试题：regex匹配文本中的域名

问一道编程面试题：regex匹配文本中的域名# JobHunting - 待字闺中

m*v2011-02-19 08:02

1 楼

用pl写的是 $line =~ m!.*(http|https|ftp)://([a-z0-9\-\.]+)(.*)!i
当时认为第二个匹配组就是域名。很明显，这个写法挂了。。。因为域名不能包含前缀
，比如
xxx.mitbbs.com只能返回mitbbs.com，而yyy.mitbbs.edu.cn返回mitbbs.edu.cn。
求教大家怎么做，谢谢。

r*e2011-02-19 08:02

2 楼

m!.*(http|https|ftp)://(.*?)\.([a-z0-9\-\.]+)(.*)!i
把//和第一个.之间的内容扔到一个单独的group里

【在 m****v 的大作中提到】

: 用pl写的是 $line =~ m!.*(http|https|ftp)://([a-z0-9\-\.]+)(.*)!i
: 当时认为第二个匹配组就是域名。很明显，这个写法挂了。。。因为域名不能包含前缀
: ，比如
: xxx.mitbbs.com只能返回mitbbs.com，而yyy.mitbbs.edu.cn返回mitbbs.edu.cn。
: 求教大家怎么做，谢谢。

m*v2011-02-19 08:02

3 楼

谢谢，很巧妙的思路。
但如果是aaa.bbb.mitbbs.com这种呢，aaa和bbb都不是域名部分。
还有一种情况就是http://mitbbs.com/xxx用你说的方法好像不对。
是不是应该从后往前匹配比较好。

【在 r*******e 的大作中提到】

: m!.*(http|https|ftp)://(.*?)\.([a-z0-9\-\.]+)(.*)!i
: 把//和第一个.之间的内容扔到一个单独的group里

r*e2011-02-19 08:02

4 楼

你这里说的域名到底是怎么定义的？
顶级域名加上之前的一个字段？

【在 m****v 的大作中提到】

: 谢谢，很巧妙的思路。
: 但如果是aaa.bbb.mitbbs.com这种呢，aaa和bbb都不是域名部分。
: 还有一种情况就是http://mitbbs.com/xxx用你说的方法好像不对。
: 是不是应该从后往前匹配比较好。

p*r2011-02-19 08:02

5 楼

m!
(?:(http|https|ftp)://) # protocol
(?:\w+\.)? # optional subdomain
(
(?:\w{2,})
(?:\.[a-z]{3,4}) # com,org,edu etc
(?:\.[a-z]{2})? # optional country code
) # domain name, catch this part only
!xi
enabling /x to comment inline is a good habbit

【在 m****v 的大作中提到】

m*v2011-02-19 08:02

6 楼

一般来说，应该是顶级域名一个字段，加上前面一个字段，比如说是公司的名字、网站
的名字。加起来
就是xxx.com，yyy.org这种
但是有时候，顶级域名会有两个字段，比如aaa.co.uk，bbb.edu.cn这种

【在 r*******e 的大作中提到】

: 你这里说的域名到底是怎么定义的？
: 顶级域名加上之前的一个字段？