如何用Java规范URL？

Question

URL规范化 (或URL规范化)是以一致的方式修改和标准化URL的过程。规范化过程的目标是将URL转换为规范化或规范的URL，因此可以确定两个语法不同的URL是否等价。

策略包括添加尾斜杠、https => http等。维基百科页面列出了许多。

在Java中有一种最喜欢的方法吗？也许是图书馆(纳奇?)，但我是开放的。更小更少的依赖关系更好。

我现在会用手编码一些东西，并注意这个问题。

编辑：如果URL引用相同的内容，我想积极地将URL标准化为相同的URL。例如，我忽略了参数utm_source、utm_medium、utm_campaign。例如，如果标题相同，则忽略子域。

Answer 1

您看过URI类吗？

http://docs.oracle.com/javase/7/docs/api/java/net/URI.html#normalize()

Answer 2

因为您还想识别引用相同内容的URL，我发现WWW2007中的这篇文章非常有趣：不要在尘埃落定中爬行:使用相似文本的不同URL。它为你提供了一个很好的理论方法。

Answer 3

不，标准库中没有任何东西可以这样做。规范化包括解码不必要的编码字符、将主机名转换为小写等。

例如，http://ACME.com/./foo%26bar变成：

http://acme.com/foo&bar

URI的normalize()做而不是做这件事。