java - 在Java中获取没有子域的域？

Question

以下代码打印 www.sub.google.com。

import java.net.MalformedURLException;
import java.net.URL;
public class GetDomainNameFromURL {
    public static void main(String[] args) throws MalformedURLException {
        String s = "http://www.sub.google.com/main?&t=20&f=52";
        URL u = new URL(s);
        String hostName = u.getHost();
        System.out.println(hostName);
    }
}

如何打印 google.com？需要使用纯 Java，无 Guava 库。

Answer 1

这很棘手，因为 URL 类只能让您到目前为止。它为您提供主机名，然后由您提取域名减去子域。

要在此处识别域名，您需要知道什么 TLD(顶级域，例如 .com、.co 等)或 ccTLD(国家/地区代码您事先期望的 TLD(如 .co.uk、.uk 等)，因为这将确定您的域名从何处(哪个 . 点)开始。

例如，以下正则表达式:

(?<=.)[^.]+\.(com|co(\.uk)?|uk)$

将为您识别以下域名:

www.google.com
mail.google.co
www.google.co.uk
www.sub.google.uk

更通用的解决方案需要事先做出假设，例如 TLD 或 ccTLD 将不超过两个或三个字符，以将其与主域区分开来，但对于较新的 TLD，如 .guru、.photos、.expert、.legal等等，不可能再让它适用于所有域。