C# 如何从各类URL中提取包含通配符的合规有效域名

实现思路 #

1. 先清洗输入内容：移除 http/https 等协议头，再截断第一个/、?、#之后的路径、参数、锚点内容，得到域名候选串
2. 合法性校验：严格匹配通配符规则+标准域名规范：
   • 通配符*最多只能出现1次，且仅允许出现在字符串开头
   • 除通配符外，仅允许出现字母、数字、半角连接符-、半角点.
   • 域名各级段首尾不能是-，不允许出现连续的.或-
   • 顶级域最少2个字符，只能是字母

完整实现代码 #

using System;
using System.Text.RegularExpressions;

public static class DomainExtractor
{
    // 预编译正则，提升重复调用性能
    private static readonly Regex ValidDomainRegex = new Regex(
        @"^(\*)?([a-zA-Z0-9]([a-zA-Z0-9\-]{0,61}[a-zA-Z0-9])?\.)+[a-zA-Z]{2,}$", 
        RegexOptions.Compiled);

    public static string ExtractDomainFromUrl(string input)
    {
        if (string.IsNullOrWhiteSpace(input))
            return null;
        
        var cleanedInput = input.Trim().ToLowerInvariant();
        
        // 移除协议头
        if (cleanedInput.Contains("://"))
        {
            var protocolSplit = cleanedInput.Split(new[] {"://"}, StringSplitOptions.RemoveEmptyEntries);
            if (protocolSplit.Length < 2) 
                return null;
            cleanedInput = protocolSplit[1];
        }
        
        // 移除路径、查询参数、锚点
        var separatorIndex = cleanedInput.IndexOfAny(new[] {'/', '?', '#'});
        if (separatorIndex >= 0)
        {
            cleanedInput = cleanedInput.Substring(0, separatorIndex);
        }
        
        // 校验域名合法性
        return ValidDomainRegex.IsMatch(cleanedInput) ? cleanedInput : null;
    }
}

适配说明 #

• 已覆盖所有给定的可接受提取场景，所有不可接受场景都会返回null
• 支持不带协议头的输入解析，支持开头带单个通配符的域名提取
• 如果需要适配数字顶级域（如.xyz、.123），可以把正则末尾的[a-zA-Z]{2,}修改为[a-zA-Z0-9]{2,}

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