用javascript进一步解析url主机名

Question

有很多帖子都在寻找解析url并获取主机名的方法。正常的解决方案是创建一个文档元素，设置一个url，并访问.hostname属性。这是一个很好的解决方案。除了这种技术之外，我遇到了麻烦。

我有一个从主机名中成功提取基本主机的函数。为了描述基本主机的含义（不确定正确的命名法），我将显示该功能并给出一些示例输入输出。

function parseURL(url) { 
    var parser = document.createElement('a'); 
    parser.href = url; 
    url = parser.hostname; 
    //get a version of the url with the last "." and everything beyond it truncated. 
    //Uses this as a trick in the next step to get the "second to last" index. 
    url = url.substr(0, url.lastIndexOf(".")); 
    //get a version of the url with everything before the second to last "." truncated. 
    url = parser.hostname.substr(url.lastIndexOf(".")+1); 
    return url; 
}; 
parseURL("http://code.google.com/p/jsuri/") 
//google.com - I don't think jsuri handle hosts any more effectively 
parseURL("http://www.nytimes.com/pages/nyregion/index.html") 
//nytimes.com 
parseURL("http://fivethirtyeight.blogs.nytimes.com/2013/01/12/in-cooperstown-a-crowded-waiting-room/" 
//nytimes.com 
parseURL("http://www.guardian.co.uk/uk/2013/jan/13/fears-lulworth-cove-development-heritage" 
//co.uk 

最后一个例子是我害怕的例外，为什么我要寻找更可行的解决方案。用于获取主机的.hostname方法是一个很好的第一步，我正在寻找一种更好的方法来破解有时位于基本级主机之前的子主机。

任何帮助赞赏（如果只是纠正我的术语）。

Answer 1

你应该能够基于这样的事实，像在您的示例.uk国家代码顶级域总是2个字符（声明为清楚起见变量）的代码分支：

// Grab the last bit (the top level domain) 
var tld = url.subtr(url.lastIndexOf(".")) 
if (tld.length === 2) 
    //do stuff 
else if (tld.length === 3) 
    //do other stuff 

此外，我相信你正在寻找的字因为是“域名”，尽管通过一些计算包括“子域名”（位于docs.google.com谷歌之前的位）。

Answer 2

当我想要解析的网址，我做这样的事情

function parseURL(url) { 
    var a = document.createElement('a'), obj, i, j; 
    a.href = url; 
    obj = { 
     'domain': '', 
     'hash': a.hash.slice(1), 
     'host': a.host, 
     'hostname': a.hostname, 
     'href': a.href, // copy back from <a> 
     'origin': a.origin, 
     'pathname': a.pathname, 
     'port': a.port, 
     'protocol': a.protocol.slice(0, -1), 
     'search': a.search.slice(1), 
     'subdomain': '' 
    }; 
    i = obj.hostname.lastIndexOf('.'); 
    if (obj.hostname.length - i === 3) { // if .yz 
     j = obj.hostname.lastIndexOf('.', i-1); 
     if (j === i - 3 || j === i - 4) { // test .vwx.yz or .wx.yz 
      i = j; 
     } 
    } 
    j = obj.hostname.lastIndexOf('.', i-1); 
    if (j !== -1) { // move back one more . 
     i = j; 
    } 
    obj.domain = obj.hostname.slice(i+1); 
    obj.subdomain = obj.hostname.slice(0, i); 
    return obj; 
}; 

现在，如果你使用它，

var myURL = parseURL('http://www.example.co.uk:8080/hello/world.html?foo=bar#anchor'); 
/* { 
    "domain": "example.co.uk", 
    "hash": "anchor", 
    "host": "www.example.co.uk:8080", 
    "hostname": "www.example.co.uk", 
    "href": "http://www.example.co.uk:8080/hello/world.html?foo=bar#anchor", 
    "origin": "http://www.example.co.uk:8080", 
    "pathname": "/hello/world.html", 
    "port": "8080", 
    "protocol": "http", 
    "search": "foo=bar", 
    "subdomain": "www" 
} */ 

所以你想要的东西，你会用myURL.domain（或删除其余来自功能）

Answer 3

function parseURL(str) { 
    var re = /^(?:([a-zA-Z]+:)\/\/)?(?:([-+._a-zA-Z0-9]+)(?::([-+._a-zA-Z0-9]+))?@)?(([^-~!@#$%^^&*\(\)_+=\[\]{}:;'"\\,.\/?\s]+(?:[^~!@#$%^^&*\(\)_+=\[\]{}:;'"\\,.\/?\s]+[^-~!@#$%^^&*\(\)_+=\[\]{}:;'"\\,.\/?\s])*(?:\.[^-~!@#$%^^&*\(\)_+=\[\]{}:;'"\\,.\/?\s]+(?:[^~!@#$%^^&*\(\)_+=\[\]{}:;'"\\,.\/?\s]+[^-~!@#$%^^&*\(\)_+=\[\]{}:;'"\\,.\/?\s])*)*)(?::(\d+))?)?(\/[^?#]*)?(\?[^#]*)?(#.*)?$/; 
    var scheme = ['protocol', 'user', 'password', 'hostname', 'host', 'port', 'pathname', 'search', 'hash'], parts = re.exec(str); 

    if (parts != null) { 
     for (var i = 0, l = scheme.length, obj = {}; i < l;) { 
      obj[ scheme[i] ] = parts[++i] != undefined ? parts[i] : ''; 
     } 

     return obj; 
    } 

    return false; 
} 

Answer 4

我经常用这个函数从URL解析主机：

function urlParseHost(url){ 
    var re = new RegExp("^(?:f|ht)tp(?:s)?\://([^/]+)", "im"); 
    return(url.match(re)[1].toString()); 
} 

您可以从GitHub here获取工作代码。