从给定的URL中提取主域名

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 cases = new ArrayList(); 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

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 2

使用Guava库，我们可以轻松获取域名：

 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 3

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function，如下所示：

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

Answer 4

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 5

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 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。