PHP技术问询：如何从字符串中提取有效域名与IPv4地址？

1. 核心思路 #

原来的正则会误抓相对路径，主要是没区分「域名/IP」和「本地路径」，也没适配新顶级域名（比如.app、.dev），更没加IPv4匹配规则。这次的正则会：

• 只抓取合法的绝对域名（带/不带http/https前缀都支持），自动排除本地相对路径
• 精准匹配合法IPv4地址
• 自动截断域名/IP后面的路径、查询参数（比如https://example.com/path?a=1只会抓取https://example.com）

2. 可用代码 #

// 匹配域名（带/不带http前缀）和IPv4，自动截断后续路径/参数
$pattern = '#
    (?:https?://)?                  # 可选的http/https前缀，不单独捕获
    (?:
        # 匹配合法域名：二级域+顶级域，符合ICANN规范
        (?:[a-z0-9](?:[a-z0-9-]{0,61}[a-z0-9])?\.)+[a-z]{2,}
        |
        # 匹配合法IPv4：每个段0-255，格式严谨
        (?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)
    )
    (?:/|\?|$)                      # 匹配域名/IP后的分隔符，用来截断后续内容
#ix';

preg_match_all($pattern, $response->body(), $matches);

// 去重+清理末尾可能残留的/或?
$cleanResults = array_unique(array_map(function($item) {
    return rtrim($item, '/?');
}, $matches[0]));

print_r($cleanResults);

3. 规则拆解 #

• (?:https?://)?：允许域名带或不带http/https前缀，?:是为了不让这个前缀单独成为匹配结果，只作为域名的一部分。
• 域名规则：每个域名段（比如example、com）最长63字符，只能是字母、数字和连字符，且不能以连字符开头/结尾，顶级域至少2位（适配所有新顶级域）。
• IPv4规则：严格校验每个IP段在0-255之间，避免匹配像999.999.999.999这种无效IP。
• (?:/|\?|$)：当匹配到域名/IP后，遇到/（路径开头）、?（查询参数开头）或者字符串结束就停止，自动截断后面的冗余内容。
• 修饰符i：不区分大小写（比如Example.COM也能匹配）；x：忽略正则里的空格，方便查看规则结构。

4. 解决原问题的关键 #

• 排除相对路径：本地相对路径（比如/html/style/global.css.php）不符合域名结构（没有合法的顶级域前的域名段），所以不会被匹配到。
• 一次搞定两种匹配：把域名和IPv4的规则放在同一个分支里，一次preg_match_all就能拿到所有目标结果。
• 自动去冗余：通过正则末尾的分隔符匹配，直接去掉后面的路径和参数，不用额外处理。

内容的提问来源于stack exchange，提问作者kamilon123s