domain aus url-string extrahieren...

6 Beiträge18.12.2008Archiviert
Bonsai18.12.2008 · Beitrag #19313
Avatar
Mitglied seit: 02.06.2006
Forenbeiträge: 395
Besuche: 2691
Hallo,

kennt jemand eine gute Möglichkeit domainnamen (z.B. computec.ch) aus url-strings zu extrahieren.

Ist ja eigentlich nicht schwer.. Wenn ich z.B. folgenden String habe:

http://www.computec.ch/news.php?id=333

Folgendermaßen bin ich vorgegangen:

1. http:// (manchmal auch https://) wegschneiden.
2. "/" von links aus suchen und
3. string von rechts bis zum 2ten "." lesen.
-> computec.ch

Probleme werde ich z.B. bei Domainnamen mit der Endung "co.uk" etc. bekommen. Kennst jemand eine bessere Möglichkeit?? Vielleicht RegExpressions??

Danke

[ Bearbeitet ]
jeipack18.12.2008 · Beitrag #19314
Avatar
Mitglied seit: 07.03.2007
Forenbeiträge: 448
Besuche: 1258
1. http:// || https:// wegschneiden
2. www. wegschneiden (so dass es keinen Fehler gibt falls es nicht vorhanden ist)
3. String bis zum ersten / oder falls kein Slash vorhanden ist bis zum Schluss ist Domainname.

Einzig Problem würdest du bei "http://www.blahwww.ch" bekommen, da er das zweite www. auch ausschneiden würde.

besser wäre also:

1. "http://www.", https://www.", "http://", "https://" in dieser Reihenfolge durch "" ersetzen
2. alles bis zum / resp. wenn nicht vorhanden bis zum Ende ist die Domain.

hab ich was übersehen?

Bonsai18.12.2008 · Beitrag #19315
Avatar
Mitglied seit: 02.06.2006
Forenbeiträge: 395
Besuche: 2691
@jeipack .. danke erstmal für die Hilfe ...

ok , jetzt habe ich aber "leider" auch URL-Strings mit Subdomains ..
z.B. http://xyz.computec.ch/index.php .. oder www1, www2 etc...

Ich glaube, es müsste ein anderer Ansatz her..
Pegen18.12.2008 · Beitrag #19316
Mitglied seit: 28.01.2005
Forenbeiträge: 150
Besuche: 2894
Hi Bonsai

PHP stellt hierfür eine Funktion bereit -> parse_url().

Schau dir die Seite kurz an und lies dich durch die comments, auch wenn du eine Nicht-PHP Lösung suchst. Einige User posteten ihre eigene parseURL Funktion, mit etwas Glück lassen sich diese Ansätze portieren..

Gruzz

Pegen
Bonsai18.12.2008 · Beitrag #19317
Avatar
Mitglied seit: 02.06.2006
Forenbeiträge: 395
Besuche: 2691
So .. habe jetzt ein gutes RegularExpression Beispiel gefunden.. Er filtert den Hostnamen perfekt aus dem String .. nimmt allerdings auch immer die Subdomain (www,etc.) mit.

Ich kenn mich leider nicht wirklich gut mit Regular Expressions aus. Vielleicht ist es jemanden möglich, dass Beispiel anzupassen. Brauche wirklich nur die Domain, ohne Subdomain etc....

Zum Link [1]

[1]: http://www.cambiaresearch.com/c4/890160aa-bc4e-40fc-ac36-c1031858c048/Parsing-URLs-with-Regular-Expressions-and-the-Regex-Object.aspx?page=1

[cli]
public void TestParseURL()
{
string url = "http://www.cambiaresearch.com"
+ "/Cambia3/snippets/csharp/regex/uri_regex.aspx?id=17#authority";

string regexPattern = @"^(?<s1>(?<s0>[^:/\?#]+):)?(?<a1>"
+ @"//(?<a0>[^/\?#]*))?(?<p0>[^\?#]*)"
+ @"(?<q1>\?(?<q0>[^#]*))?"
+ @"(?<f1>#(?<f0>.*))?";

Regex re = new Regex(regexPattern, RegexOptions.ExplicitCapture);
Match m = re.Match(url);

lblOutput.Text = "<b>URL: " + url + "</b><p>";

lblOutput.Text +=
m.Groups["s0"].Value + " (Scheme without colon)<br>";
lblOutput.Text +=
m.Groups["s1"].Value + " (Scheme with colon)<br>";
lblOutput.Text +=
m.Groups["a0"].Value + " (Authority without //)<br>";
lblOutput.Text +=
m.Groups["a1"].Value + " (Authority with //)<br>";
lblOutput.Text +=
m.Groups["p0"].Value + " (Path)<br>";
lblOutput.Text +=
m.Groups["q0"].Value + " (Query without ?)<br>";
lblOutput.Text +=
m.Groups["q1"].Value + " (Query with ?)<br>";
lblOutput.Text +=
m.Groups["f0"].Value + " (Fragment without #)<br>";
lblOutput.Text +=
m.Groups["f1"].Value + " (Fragment with #)<br>";


}

[/cli]
[ Bearbeitet Do, 18. Dez 2008, 11:50 ]
flow18.12.2008 · Beitrag #19318
Avatar
Mitglied seit: 31.01.2005
Forenbeiträge: 154
Besuche: 3400
Hallo Bonsai,

da haben sich andere auch schon damit bemüht und auch ein paar Ansätze[1] mit Regular Expressions geliefert. Ich denke vorallem um eine grosse Anzahl URL's zu parsen, ist ein Regular Expression sehr performant.

Gruss flow

[1] http://geekswithblogs.net/casualjim/archive/2005/12/01/61722.aspx