在Java类中，getHost和getAuthority方法有什么区别？

Question

我有一系列不同形式的字符串(URL)，如：

1. http://domain name.anything/anypath
2. https://dmain name.anything/anypath
3. http://www.domain name.anything/anypath
4. https://www.dmain name.anything/anypath

这些字符串保存在CSV文件中。我需要解析每个网址，才能得到域名，domain name.anything。即第一次.之后和第一次/之前的部分。

我使用split方法分隔字符串，然后将每个字符串转换为URL，然后使用toAuthority函数只获取域名。问题是，toAuthority和toHost为我做了同样的工作，包括我不想要的www.。不过，在来自甲骨文的教程中，toAuthority似乎应该在没有www.的情况下返回域名。

如何只提取域名部分而没有www.的网址?？

Answer 1

URL类中的getHost方法和getAuthority方法有什么区别？

要真正理解这一点，您应该阅读URI规范- RFC 2396。

简单的回答是，授权组件由主机组件以及可选的端口号、用户名和密码组成。取决于所使用的URL方案。

如何只提取域名部分而不使用“www”。网址？

调用getHost()，测试它是否以字符串"www."开头，如果开始，则删除它。

但是在你开始做这样的事情之前，你需要明白删除“www”。可能会为您提供一个不起作用的URL，或者解析为与原始URL解析的文档或服务不同的文档或服务。毫无报酬地整理网址是个坏主意.除非您对有关网站的组织方式有详细的了解。

"foo.com“和"www.foo.com”是同一个地方的约定只是一种约定，很多网站并没有实现它。删除“www”这是个坏主意，因为它很容易将可解析的URL转换为不解析的URL。

Answer 2

您可以使用谷歌番石榴从主机名获取域名：

InternetDomainName.from(hostname).topPrivateDomain().toString()

Answer 3

听起来你想要提取有效的二级域。这很容易提取少量的公共后缀，如.com、.net、.org，方法是第一次获得主机名(正如Stephen描述的那样)，并从结束后的第二个句点开始提取子字符串。不过，许多公共后缀(如co.uk )将破坏这个简单的算法。在这里可以找到一个完整的公共后缀列表：http://publicsuffix.org/，然后可以在查找表中使用公共后缀来获得有效的二级域。