A solução mais próxima para todos os casos é muito mais complexa do que um REGEX.
Infelizmente não consegui tornar isto mais amigável,o código final ficou um pouco confuso, mas creio que ainda sim dará para entender e irei explicar todo o processo.
Possui maior suporte para todos os tipos de dominios, tais como floripa.br
ou adult.ht
.
Possui suporte para subdominios públicos, como por exemplo <seusite>.blogspot.com
e até <seusite>.s3.amazonaws.com
e afins.
Requisitos:
Não é preciso nenhuma extensão, plugin, framework... Somente é preciso que baixe a lista pública de todos os domínios/TLD isso está disponível aqui (https://publicsuffix.org/list/public_suffix_list.dat) e que especifique o local do arquivo na linha mencionada.
Esse documento é atualizado periodicamente.
Código:
function pegaNome($url)
{
$url = parse_url($url, PHP_URL_HOST);
if (empty($url)) {
return false;
}
$generico = ['com', 'org', 'net', 'edu', 'gov', 'mil'];
$lista = array_filter(file('public_suffix_list.dat.txt')); // Download: https://publicsuffix.org/list/public_suffix_list.dat
$lista = array_merge($lista, ['*']);
$dominio = explode('.', $url);
$dominioTamanho = count($dominio) - 1;
$encontrado = [];
foreach ($lista as $tld) {
if (!in_array(substr($tld, 0, 1), ['!', '/', "\n"], true)) {
$correto = 0;
$partes = explode('.', $tld);
$partesTamanho = count($partes);
foreach ($partes as $i => $pedaco) {
if (!isset($dominio[$dominioTamanho - $partesTamanho + $i + 1])) {
break;
}
$pedaco = (array)trim($pedaco);
$pedaco = $pedaco === '*' ? $generico : $pedaco;
$correto += (int)(in_array($dominio[$dominioTamanho - $partesTamanho + $i + 1], $pedaco, true));
}
if ($correto === $partesTamanho) {
$encontrado[] = $correto;
}
}
}
if ($encontrado !== 0){
rsort($encontrado);
foreach($encontrado as $encontro){
if(!empty($dominio[$dominioTamanho - $encontro])){
return $dominio[$dominioTamanho - $encontro];
}
}
}
return $url;
}
Explicações:
Arquivo:
O arquivo possui quatro tipos de situações (ignorando espaços em branco):
!tld
*.tld
// tld
tld
O código acima ignora tanto // tld
, que são comentários, como também !tld
, que não sei o motivo exato.
Caso seja *.tld
indica que ele seria net.tld
, com.tld
por exemplo, na maior parte dos casos.
Verificações:
Quando você pede para verificar um URL, por exemplo https://seusite.blogspot.com
é feito exatamente o seguinte:
- Usa o
PHP_URL_HOST
para obter seusite.blogspot.com
.
- Divide
seusite.blogspot.com
para seusite
, blogspot
e com
.
Depois, precisamos verificar o é o dominio usado pelo seu website:
- Verifica se o último elemento é igual ao
ac
: com
!= ac
- Verifica se o último conjunto é igual ao
com.ac
, de forma que:
- Compara o penúltimo elemento igual a
com
: blogspot
!= com
- Compara o último elemento igual a
ac
: com
!= ac
Isso se repete por cada linha deste arquivo.
Em determinado ponto vai fazer exatamente:
- Verifica se o último conjunto é igual ao
blogspot.com
:
- Compara o penúltimo elemento igual a
blogpost
: blogspot
== blogpost
- Compara o último elemento igual a
com
: com
== com
Então irá salvar $encontrado[] = $correto
, isso irá armazenar o valor 2
, que é o número de partes que o "subdomínio" tem (.blogspot.com = 2, .net = 1, .a.b.c = 3).
Neste mesmo domínio, nas últimas comparações vai fazer:
- Verifica se o último elemento é igual ao
.com
: com
=== com
Isso também irá armazenar o valor 1
ao $encontrado
.
Resultado:
No final pegamos o maior número de $encontrado
e então pegamos o nome do dominio baseado nele.
Então se seusite.blogspot.com
tem o maior $encontrado
como 2
então basta fazer $dominio[count($dominio)-2-1]
.
Então porque cria uma array? Porque pode ser que informe https://blogspot.com
, então ele iria também ser válido nos dois casos, porém o count($dominio)-2-1
seria então -1
. Por isso então ele passa para o proximo dominio encontrado, neste caso .com
e irá retornar blogspot
, normalmente.