java - 在 Java 中，如何提取 URL 的域？

Question

我使用的是 Java 8。我想提取 URL 的域部分。以防万一我错误地使用了“域”这个词，我想要的是如果我的服务器名称是

test.javabits.com

我想提取“javabits.com”。同样，如果我的服务器名称是

firstpart.secondpart.lastpart.org

我想提取“lastpart.org”。我尝试了以下

final String domain = request.getServerName().replaceAll(".*\\.(?=.*\\.)", "");

但它没有正确提取域。然后我尝试了这个人在他网站上的内容 -- https://www.mkyong.com/regular-expressions/domain-name-regular-expression-example/ ，例如

private static final String DOMAIN_NAME_PATTERN = "^((?!-)[A-Za-z0-9-]{1,63}(?<!-)\\.)+[A-Za-z]{2,6}$";

但这也不是提取我想要的东西。如何正确提取域名部分？

Answer 1

总结:不要为此使用正则表达式。使用 whois。

如果我尝试从您的问题中推断出您真正想要做什么，我猜您想要从 URL 的主机部分找到属于某个非基础设施所有者的域。此外，根据您的问题标签，您想借助正则表达式来完成。

您正在执行的任务充其量是不切实际的，但可能是不可能的。

您必须剔除许多极端情况。除了 Lennart 在 https://publicsuffix.org/list/public_suffix_list.dat 中友情提供的基础设施领域列表之外，您也有 URL 中的空主机字段或构成主机部分的 IP 地址的情况。

那么，有没有更好的方法呢？当然有。您要做的是在公共(public)数据库中查询您需要的数据。此类查询的协议(protocol)称为 WHOIS .

Apache Commons 提供了一种访问 WhoisClient 中的 WHOIS 信息的简便方法.从那里您可以查询域字段，并找到一些可能对您有用的更多信息。

不应该比

import org.apache.commons.net.whois.WhoisClient;
import java.io.IOException;

public class CommonsTest {
    public static void main(String args) {
        WhoisClient c = new WhoisClient();
        try {
            c.connect(WhoisClient.DEFAULT_HOST);
            System.out.println(c.query(URL));
            c.disconnect();
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

使用它可以获得有关您所请求的域的 whois 信息。如果域未注册，即是私有(private)域，如 www.stackexchange.com 的情况，您将收到一条错误消息，指出未注册任何域。删除地址的第一部分，然后重试。找到注册域后，您还会找到注册商和注册商。

不幸的是，whois 并不像人们想象的那么简单。进一步阅读 https://manpages.debian.org/jessie/whois/whois.1.en.html详细说明如何使用它以及您可以从不同来源获得哪些信息。

另外，查看相关问题here.