Java中URL类中的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）：

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URL才能获得域名domain name.anything。即，第一个.之后和第一个/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函数仅获取域名。问题是，toAuthority和toHost正在为我做同样的工作，它们包括我不想要的www.。但是，在Oracle的tutorial中，似乎toAuthority应该返回没有www.的域名。

如何在不使用URL的www.

的情况下提取域名部分

Answer 1

  

URL类中的getHost和getAuthority方法有什么区别？

要真正理解这一点，请阅读URI specification - RFC 2396。

简短的回答是，权限组件包含主机组件以及可选的端口号，用户名和密码......取决于所使用的URL方案。

---

  

如何在没有“www”的情况下提取域名部分。的URL ??

您拨打getHost()，测试它是否以字符串"www."开头，如果是，则将其删除。

但是在你开始做这样的事情之前，你需要了解删除“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解析到的文档或服务不同的文档或服务。无偿整理网址是个坏主意......除非您详细了解相关网站的组织方式。

“foo.com”和“www.foo.com”是同一个地方的惯例是只是一个约定，很多网站都没有实现它。删除“www。”这可能是一个坏主意，因为它可能会将可解析的URL转换为无法解析的URL。

Answer 2

您可以使用google guava从主机名获取域名：

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

Answer 3

听起来您正在寻找有效的二级域名。通过首先获取主机名（如Stephen描述）并从末尾开始以第二个句点开始提取子字符串，可以轻松地提取少量公共后缀（如.com，.net，.org）。许多公共后缀如co.uk将打破这个简单的算法。可以在此处找到完整的公共后缀列表：http://publicsuffix.org/然后，您可以在查找表中使用公共后缀来获取有效的二级域名。