这个问题我之前踩过不少坑——手动写正则确实很难兼顾单段顶级域名（比如.com）和多段公共后缀（比如.co.uk、.github.io）的情况，因为公共后缀的规则太复杂了，靠硬编码正则根本覆盖不全。最靠谱的方法是基于**公共后缀列表（Public Suffix List）**来实现，这个列表由Mozilla维护，包含了所有合法的公共后缀，能准确区分主域名和后缀部分。

推荐方案：用成熟的第三方库处理 #

以Python为例，tldextract库就是专门干这个的，它会自动下载并更新公共后缀列表，完美适配各种域名场景：

1. 先安装库：

pip install tldextract

2. 代码示例：

import tldextract

def get_main_domain(url):
    extracted = tldextract.extract(url)
    # 拼接主域名：二级域名 + 公共后缀
    return f"{extracted.domain}.{extracted.suffix}"

# 测试各种场景
test_urls = [
    "https://www.google.co.uk/search?q=test",
    "https://blog.github.io/posts/2024/",
    "https://example.com",
    "https://sub.sub.example.cn",
    "ftp://ftp.microsoft.com"
]

for url in test_urls:
    print(f"URL: {url} → 主域名: {get_main_domain(url)}")

输出结果：

URL: https://www.google.co.uk/search?q=test → 主域名: google.co.uk
URL: https://blog.github.io/posts/2024/ → 主域名: github.io
URL: https://example.com → 主域名: example.com
URL: https://sub.sub.example.cn → 主域名: example.cn
URL: ftp://ftp.microsoft.com → 主域名: microsoft.com

为什么不推荐手动写正则？ #

举个反例：如果用简单正则r'https?://(?:www\.)?([^/]+)'提取，然后再拆分，碰到google.co.uk会把co.uk当成主域名的一部分，完全错误。而且公共后缀一直在更新（比如新的顶级域名.xyz、.dev，还有像.github.io这种平台级后缀），手动维护正则成本极高，根本追不上变化。

如果你不想用第三方库（不推荐） #

如果必须自己实现，步骤大概是：

• 下载最新的公共后缀列表
• 解析列表中的规则（比如带*的通配符规则、带!的例外规则）
• 对URL的域名部分从右往左匹配最长的公共后缀，剩下的部分加后缀就是主域名

但这个过程很繁琐，还要处理各种规则例外，不如直接用现成的库省心。

内容的提问来源于stack exchange，提问作者None