如何从网站Meta标题提取匹配域名的带空格公司名称？

一、正则表达式完全可以实现提取需求 #

核心思路是先从域名中剥离出无空格的核心标识（比如从https://imperiodasmilhas.com/提取imperiodasmilhas），再匹配Meta标题中去掉空格和大小写后与该核心标识完全一致的短语，同时剔除标题后的冗余内容。

具体实现步骤：

1. 预处理域名：用字符串操作或正则去掉协议（https?://）、后缀（.com/.net等）及末尾斜杠，得到纯小写的核心字符串，比如imperiodasmilhas。
2. 构建匹配规则：针对示例中标题用-分隔核心内容和冗余内容的结构，可先用正则捕获-前的文本，再验证该文本去空格转小写后是否与域名核心字符串匹配。
   示例正则：

   ^([A-Za-zÀ-ÿ\s]+)\s*-
   

   捕获到Imperio das Milhas后，转小写去空格得到imperiodasmilhas，和域名核心匹配，即可确定这就是目标公司名。

如果标题的分隔符不是-，可以调整正则适配常见的分隔符（比如|、–或冒号），或者直接匹配所有可能的标题前缀，再通过内容匹配筛选。

二、“识别域名首尾3个字符截取前后内容”的方案不可行 #

这个方案容错率极低，存在多个致命问题：

• 域名长度不确定：如果域名短于6个字符（比如abcde.com），首尾3字符截取后没有剩余内容，直接失效。
• 匹配逻辑不严谨：域名的首尾3字符和Meta标题中的公司名没有必然对应关系，比如域名techsolutions.com，首尾3字符是tec和ons，截取中间的hsolut完全无法对应标题里的Tech Solutions。
• 公司名在标题中的位置不固定：Meta标题里的公司名可能在开头、中间或结尾，仅靠截取域名中间内容无法精准匹配。

综上，这种方案完全不可靠，不建议使用。

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