¿Cómo puedo extraer sólo el dominio de una URL? O sea, que busque en lo siguiente:
www.google.com
yahoo.com/something
fnetworkings.meatmarket.co.uk?someparameter
https://josh.meatmarket.co.uk/asldf/asdf
roxmedianetwork.com
roxy-n2.gq
http://1dollaradz.com/tw1k3steps-splash-page-copy/ir-msg
http://2012.zzz.com.ua
http://2017reset.sitey.me
http://240.112.0.101.static.digitalpacific.com.au/administrator/images/alibaba/alibaba/index.php
https://www.example.com
y que extraiga sólo la parte del dominio:
google.com
yahoo.com
meatmarket.co.uk
meatmarket.co.uk
roxmedianetwork.com
roxy-n2.gq
1dollaradz.com
zzz.com.ua
sitey.me
digitalpacific.com.au
example.com
Tengo esta expresión regular:
^(?:https?:\/\/)?(?:[^@\n]+@)?(?:((www|[a-zA-Z0-9]+)\.))?([^:\/\n\?\=]+)
Pero sólo está capturando el final cuando la URL no tiene subdominio.
sub check_url_dominio {
my ( $self, $msg ) = @_;
my $check_https = lc( $msg->get('body') );
#Archivo 01 - Domain
open d1, "/root/phishing-domains-ACTIVE.txt";
#Archivo 02 - Links
open l1, "/root/phishing-links-ACTIVE.txt";
Mail::SpamAssassin::Plugin::dbg("check_url_dominio'$check_https");
$check_url_full = qr/^(?:https?:\/\/)?(?:[^@\n]+@)?(?:((www|[a-zA-Z0-9]+)\.))?([^:\/\n\?\=]+)/im;
Mail::SpamAssassin::Plugin::dbg($check_https);
if ( $check_https =~ $check_url_full ) {
foreach $dominio( <d1> ){
if( $check_https == $dominio ){
return 1;
}else{
return 0;
}
}
foreach $link( <l1> ){
if( $check_https == $link ){
return 1;
}else{
return 0;
}
}
}
return 0;
}