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对于最后一个,但它给出了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，我找到的解决方案很简单：

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

Answer 4

正如 BalusC 和其他人所建议的，最实用的解决方案是获取 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 字符串正在使用哪个 TLD。从那时起，您可以按如下方式构成主域名：

    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

实施细节由您决定。