RegEx結果6文字と7（+）文字ドメインの違い

Question

URLのドメインを取得するための非常に簡単な機能があります。返される文字列から探しているのはドメイン名だけです（ 'www.example.com'ではなく 'example.com'）。

私はこの機能をテストしていますが、7文字以下のドメインを除いて問題はないようです。ここで

は私のサンプルの入力と出力は、次のとおりです。

IN：http://www.example.com/asdf.html - OUT：example.com

IN：http://www.1234.com/asdf - OUT IN：1234.com

：http://www.exampl.com/asdf - OUT www.exampl.com

私を捨てているのは、最後の入出力です。ドメインが7文字未満のときに、なぜ関数がwww.を返すのか分かりません。

function getDomain($url = STR_EMP) { 
    preg_match("/[a-zA-Z0-9\-\_]{1,63}\.[a-z\.]{2,10}$/", parse_url($url, PHP_URL_HOST), $_domain_tld); 
    return $_domain_tld[0]; 
} 


$url1 = "http://www.example.com/asdf.html"; // example.com 
$url2 = "http://www.1234.com/asdf"; //1234.com 
$url3 = "http://www.exampl.com/asdf"; // www.exampl.com 

var_dump(getDomain($url1), getDomain($url2), getDomain($url3)); 

（出力）

string(11) "example.com" 
string(8) "1234.com" 
string(14) "www.exampl.com" 

私は正規表現とプロではないんだけど、6文字のドメインは、{1,63}の基準に適合するようだ：ここで

コードです表現の中で。誰かがwww.の6文字のwww.exampl.comドメインを返す理由を説明できますか？

もっと短いURLを防ぐためにRegExがありますか？

ありがとうございました。

UPDATE：ドメインの

基準：

some.site.com出力はsite.com

a.nother.site.comも出力site.com

Answer 1

あなたの正規表現は、としてwww.exampl.comのような短いドメインと一致します。

www   [a-zA-Z0-9\-\_]{1,63} 
.   \. 
exampl.com [a-z\.]{2,10}$ 

長いドメインのみ最後の部分のように一致している[a-z\.]{2,10}の10文字の制限内に収まるwww.example.com、のような：

www   NOT MATCHED 
.   NOT MATCHED 
example  [a-zA-Z0-9\-\_]{1,63} 
.   \. 
com   [a-z\.]{2,10}$ 

正規表現はできるだけ早く一致を試みるため、可能な限りいつもwwwが含まれます。

通常は最後の2つの部分を返したいが、co.ukのような特別な場合は最後の3つを返す場合は、以下を使用することができます。しかし、これはすべての第2レベルのドメインを正規表現にリストする必要があるので、それは良い解決策ではありません。

'/[\w-]+\.(co\.uk|[a-z]+)$/' 

Answer 2

あなたの人生をかけて、複雑にしないでください、変更する必要がありますする必要がありgetDomain

へ

function getDomain($url = STR_EMP) { 
    $parse = parse_url($url); 
    return str_ireplace('www.', '', $parse['host']);; 
} 

出力は以下のようになります。

string(11) "example.com" 
string(8) "1234.com" 
string(10) "exampl.com" 

---

あなたの正規表現については、それだけではなく、長さの問題だ、それはまた、文字クラスの問題だdemo here

---

あなたの編集に関するアップデートは、使用することができますこのコード：

function getDomain($url = STR_EMP) { 
    preg_match("/[\\w-]{1,63}\\.[a-z]{2,10}$/", parse_url($url, PHP_URL_HOST), $_domain_tld); 
    return $_domain_tld[0]; 
} 


$url1 = "http://www.example.com/asdf.html"; 
$url2 = "http://www.1234.com/asdf"; 
$url3 = "http://www.exampl.com/asdf"; 
$url4 = "http://a.nother.site.com"; 

var_dump(getDomain($url1), getDomain($url2), getDomain($url3), getDomain($url4)); 

正規表現はTLDの最後の部分にのみ一致するようにしました。

それは生産：

string(11) "example.com" 
string(8) "1234.com" 
string(10) "exampl.com" 
string(8) "site.com"