在Google App Script中用正则提取无二级域名的第二个域名失败求助

示例HTML字符串如下，包含duckduckgo.com和chicaspoderosas.org两个域名：

<a rel="nofollow" class="result__a" href="//duckduckgo.com/l/?uddg=https%3A%2F%2Fchicaspoderosas.org%2Fabout%2F&amp;rut=6df21641031fd7b57d82fcdbc2312bc4b27034927655759d8e270840fae4fab1">ABOUT - Chicas Poderosas</a>

当前使用的正则表达式仅能提取带www子域名的第二个域名：

var regExp = new RegExp("(www.[a-z]+.[a-z]+.[a-z])", "gi");

但当第二个域名没有www前缀时无法匹配，请问问题出在哪里？

问题原因与解决方案 #

问题根源 #

你的正则存在三个关键限制：

1. 强制绑定www前缀：正则开头硬编码了www.，没有www的域名直接不符合匹配条件，自然提取不到。
2. 固定三级域名结构：www.[a-z]+.[a-z]+.[a-z]要求域名必须是www.xxx.yyy.zzz这种三级格式，但示例中的chicaspoderosas.org是二级域名（xxx.yyy），结构不匹配，所以无法命中。
3. 字符范围过窄：只允许小写字母，实际域名还支持数字、连字符（虽加了gi忽略大小写，但字符类未覆盖合法字符）。

解决方案 #

目标域名存在于uddg参数的URL编码值中，最可靠的方式是先定位这个参数区域，再提取域名，避免全局匹配的不确定性：

方法1：分步提取（更灵活）

const htmlStr = '<a rel="nofollow" class="result__a" href="//duckduckgo.com/l/?uddg=https%3A%2F%2Fchicaspoderosas.org%2Fabout%2F&amp;rut=6df21641031fd7b57d82fcdbc2312bc4b27034927655759d8e270840fae4fab1">ABOUT - Chicas Poderosas</a>';

// 第一步：匹配uddg参数的取值
const uddgMatch = htmlStr.match(/uddg=([^&]+)/);
if (uddgMatch) {
  // 第二步：解码URL编码的字符串
  const decodedUrl = decodeURIComponent(uddgMatch[1]);
  // 第三步：提取域名（支持带/不带http(s)前缀、带/不带子域名）
  const domainMatch = decodedUrl.match(/^(https?:\/\/)?([^\/]+)/);
  if (domainMatch) {
    const targetDomain = domainMatch[2];
    console.log(targetDomain); // 输出 chicaspoderosas.org
  }
}

方法2：单正则直接匹配（更简洁）

const htmlStr = '<a rel="nofollow" class="result__a" href="//duckduckgo.com/l/?uddg=https%3A%2F%2Fchicaspoderosas.org%2Fabout%2F&amp;rut=6df21641031fd7b57d82fcdbc2312bc4b27034927655759d8e270840fae4fab1">ABOUT - Chicas Poderosas</a>';

const regExp = /uddg=https%3A%2F%2F([^%]+)/i;
const match = htmlStr.match(regExp);
if (match) {
  const targetDomain = match[1];
  console.log(targetDomain); // 输出 chicaspoderosas.org
}

通用域名匹配正则（可选） #

如果需要匹配任意合法域名（带/不带子域名），可以用这个更严谨的正则：

const domainReg = /^(https?:\/\/)?(([a-zA-Z0-9-]+\.)+[a-zA-Z]{2,})/;

内容的提问来源于stack exchange，提问作者Ben Shaw