Java从给定的URL获取域名

Question

给定一个URL，我想提取域名（它不应包含“ www”部分）。网址可以包含h​​ttp / https。这是我编写的Java代码。尽管它似乎运行良好，但是有没有更好的方法或有一些极端的情况可能会失败。

public static String getDomainName(String url) throws MalformedURLException{
    if(!url.startsWith("http") && !url.startsWith("https")){
         url = "http://" + url;
    }        
    URL netUrl = new URL(url);
    String host = netUrl.getHost();
    if(host.startsWith("www")){
        host = host.substring("www".length()+1);
    }
    return host;
}

输入：http : //google.com/blah

输出：google.com

Answer 1

如果要解析URL，请使用java.net.URI。 java.net.URL有很多问题-它的equals方法进行DNS查找，这意味着与不可信输入一起使用时，使用它的代码可能容易受到拒绝服务攻击的攻击。

“戈斯林先生-为什么要使网址等于糟透了？” 解释了一个这样的问题。只是养成使用java.net.URI代替的习惯。

public static String getDomainName(String url) throws URISyntaxException {
URI uri = new URI(url);
String domain = uri.getHost();
return domain.startsWith(“www.”) ? domain.substring(4) : domain;
}
应该做你想做的。

尽管它似乎运行良好，但是有没有更好的方法或有一些极端的情况可能会失败。

你编写的代码对有效的URL无效：

• httpfoo/bar-相对URL带有以http。开头的路径组件。
• HTTP://example.com/-协议不区分大小写。
• //example.com/ -主机的协议相对URL
• www/foo-相对URL的路径部分以 www
• wwwexample.com-这不域名开头www.，但开始用www。

分层URL具有复杂的语法。如果你尝试不仔细阅读RFC 3986而推出自己的解析器，则可能会弄错。只需使用核心库中内置的一个即可。

如果你确实需要处理java.net.URI拒绝的混乱输入，请参阅RFC 3986附录B：

附录B.使用正则表达式解析URI引用
由于“首次匹配获胜”算法与POSIX正则表达式使用的“贪婪”消歧方法相同，因此使用正则表达式解析URI引用的潜在五个组成部分是自然而普遍的。

下一行是用于将格式正确的URI引用分解为其组件的正则表达式。

  ^(([^:/?#]+):)?(//([^/?#]*))?([^?#]*)(\?([^#]*))?(#(.*))?
   12            3  4          5       6  7        8 9

上面第二行中的数字仅用于增强可读性。它们指示每个子表达式（即，每个成对的括号）的参考点。