从给定的URL中提取主域名

Question

我使用以下内容从URL中提取域:(它们是测试用例）

String regex = "^(ww[a-zA-Z0-9-]{0,}\\.)";
ArrayList<String> cases = new ArrayList<String>();
cases.add("www.google.com");
cases.add("ww.socialrating.it");
cases.add("www-01.hopperspot.com");
cases.add("wwwsupernatural-brasil.blogspot.com");
cases.add("xtop10.net");
cases.add("zoyanailpolish.blogspot.com");

for (String t : cases) {  
    String res = t.replaceAll(regex, "");  
}

我可以得到以下结果：

google.com
hopperspot.com
socialrating.it
blogspot.com
xtop10.net
zoyanailpolish.blogspot.com

前四个案例都很好。 最后一个不好。 我想要的是： blogspot.com的最后一个，但它给zoyanailpolish.blogspot.com 。 我究竟做错了什么？

Answer 1

使用Guava库，我们可以轻松获得域名：

InternetDomainName.from(tld).topPrivateDomain()

有关详细信息，请参阅API链接

https://google.github.io/guava/releases/14.0/api/docs/

http://docs.guava-libraries.googlecode.com/git/javadoc/com/google/common/net/InternetDomainName.html

Answer 2

通过REGEX获取主机非常复杂或不可能，因为TLD不遵守简单的规则，但由ICANN提供并及时更改。

您应该使用JAVA库提供的功能，如下所示：

URL myUrl = new URL(urlString);
myUrl.getHost();

Answer 3

这是2013年，我发现解决方案是直截了当的：

System.out.println(InternetDomainName.fromLenient(uriHost).topPrivateDomain().name());

Answer 4

它更简单：

  try {
        String domainName = new URL("http://www.zoyanailpolish.blogspot.com/some/long/link").getHost();

        String[] levels = domainName.split("\\.");
        if (levels.length > 1)
        {
            domainName = levels[levels.length - 2] + "." + levels[levels.length - 1];
        }

        // now value of domainName variable is blogspot.com
    } catch (Exception e) {}

Answer 5

正如BalusC和其他人所建议的那样，最实际的解决方案是获取TLD列表（请参阅此列表 ），将它们保存到文件中，加载它们，然后确定给定URL字符串使用的TLD。 从那以后，您可以构成主域名，如下所示：

    String url = "zoyanailpolish.blogspot.com";

    String tld = findTLD( url ); // To be implemented. Add to helper class ?

    url = url.replace( "." + tld,"");  

    int pos = url.lastIndexOf('.');

    String mainDomain = "";

    if (pos > 0 && pos < url.length() - 1) {
        mainDomain = url.substring(pos + 1) + "." + tld;
    }
    // else: Main domain name comes out empty

实施细节由您自己决定。

Answer 6

您之所以看到zoyanailpolish.blogspot.com是因为您的正则表达式只找到以'ww' 开头的字符串。 你要问的是除了删除以'ww'开头的所有字符串之外，它还适用于以'zoyanailpolish'（？）开头的字符串。 在这种情况下，使用正则表达式String regex = "^((ww|z|a)[a-zA-Z0-9-]{0,}\\\\.)"; 这将删除任何以'ww'或'z'或'a'开头的单词。 根据您的需求进行自定义。

Answer 7

InternetDomainName.from("test.blogspot.com").topPrivateDomain() -> test.blogspot.com

在我的情况下这更好用：

InternetDomainName.from("test.blogspot.com").topDomainUnderRegistrySuffix() -> blogspot.com

详细信息： https ： //github.com/google/guava/wiki/InternetDomainNameExplained