从给定的url中提取主域名

Question

我使用以下代码从url中提取域名：(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。最后一个不是很好。我想要的是:最后一个是blogspot.com，但它给出了zoyanailpolish.blogspot.com。我做错了什么？

Answer 1

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(参见此list)，将它们保存到文件中，加载它们，然后确定给定的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

具体实现细节由您决定。

Answer 2

使用Guava库，我们可以很容易地获取域名：

InternetDomainName.from(tld).topPrivateDomain()

有关更多详细信息，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获取主机是相当复杂或不可能的，因为TLD不遵守简单的规则，而是由ICANN提供的，并且会随着时间的变化而变化。

您应该使用JAVA库提供的功能，如下所示：

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