Какой самый быстрый способ получить имя домена / хоста из URL?

Question

Мне нужно просмотреть большой список строковых URL-адресов и извлечь из них доменное имя.

Например:

http://www.stackoverflow.com/questions извлечет www.stackoverflow.com

Первоначально я использовал new URL(theUrlString).getHost(), но инициализация объекта URL добавляет много времени процессу и кажется ненужным.

Существует ли более быстрый способ для извлеченияимя хоста, которое будет столь же надежным?

Спасибо

Редактировать: Моя ошибка, да, www.будет включен в пример доменного имени выше.Кроме того, эти URL могут быть http или https

Answer 1

Если вы хотите обработать https и т. Д., Я предлагаю вам сделать что-то вроде этого:

int slashslash = url.indexOf("//") + 2;
domain = url.substring(slashslash, url.indexOf('/', slashslash));

Обратите внимание, что это включает в себя часть www (как и URL.getHost()), которая фактически является частью имени домена.

Редактировать Запрошено через комментарии

Вот два метода, которые могут быть полезны:

/**
 * Will take a url such as http://www.stackoverflow.com and return www.stackoverflow.com
 * 
 * @param url
 * @return
 */
public static String getHost(String url){
    if(url == null || url.length() == 0)
        return "";

    int doubleslash = url.indexOf("//");
    if(doubleslash == -1)
        doubleslash = 0;
    else
        doubleslash += 2;

    int end = url.indexOf('/', doubleslash);
    end = end >= 0 ? end : url.length();

    int port = url.indexOf(':', doubleslash);
    end = (port > 0 && port < end) ? port : end;

    return url.substring(doubleslash, end);
}


/**  Based on : http://grepcode.com/file/repository.grepcode.com/java/ext/com.google.android/android/2.3.3_r1/android/webkit/CookieManager.java#CookieManager.getBaseDomain%28java.lang.String%29
 * Get the base domain for a given host or url. E.g. mail.google.com will return google.com
 * @param host 
 * @return 
 */
public static String getBaseDomain(String url) {
    String host = getHost(url);

    int startIndex = 0;
    int nextIndex = host.indexOf('.');
    int lastIndex = host.lastIndexOf('.');
    while (nextIndex < lastIndex) {
        startIndex = nextIndex + 1;
        nextIndex = host.indexOf('.', startIndex);
    }
    if (startIndex > 0) {
        return host.substring(startIndex);
    } else {
        return host;
    }
}

Answer 2

Вы хотите быть очень осторожным с внедрением «быстрого» способа выбора URL-адресов. Существует много потенциальных изменений в URL, которые могут привести к сбою «быстрого» метода. Например:

• Часть схемы (протокола) может быть написана любой комбинацией прописных и строчных букв; например "http", "Http" и "HTTP" эквивалентны.

• Полномочия могут дополнительно включать имя пользователя и / или номер порта, как в "http://you@example.com:8080/index.html".

• Поскольку DNS нечувствителен к регистру, часть имени узла URL также (эффективно) нечувствительна к регистру.

• Допустимо (хотя и весьма нерегулярно) кодировать незарезервированные символы% в компонентах схемы или полномочий URL-адреса. Это необходимо учитывать при сопоставлении (или устранении) схемы или при интерпретации имени хоста. Имя хоста с символами, кодированными в%, определяется как эквивалентное имени с декодированными последовательностями, кодированными в%.

Теперь, если у вас есть полный контроль над процессом, который генерирует URL-адреса, которые вы удаляете, вы, вероятно, можете игнорировать эти тонкости. Но если они собраны из документов или веб-страниц или введены людьми, вам следует подумать, что может произойти, если ваш код встретит «необычный» URL.

---

Если вас беспокоит время, затраченное на создание объектов URL, рассмотрите возможность использования объектов URI. Помимо прочего, объекты URI не пытаются выполнить DNS-поиск части имени хоста.

Answer 3

Я написал метод (см. Ниже), который извлекает доменное имя URL и использует простое сопоставление строк.На самом деле он извлекает бит между первым "://" (или индексом 0, если "://" не содержится) и первым последующим "/" (или индексом String.length(), если нет последующего "/").Оставшийся предшествующий бит "www(_)*." обрезается.Я уверен, что будут случаи, когда это будет недостаточно хорошо, но в большинстве случаев должно быть достаточно!

Я читаю здесь , что может сделать класс java.net.URIэто (и было предпочтительнее класса java.net.URL), но я столкнулся с проблемами с классом URI.Примечательно, что URI.getHost() дает нулевое значение, если URL не включает схему, то есть бит "http(s)".

/**
 * Extracts the domain name from {@code url}
 * by means of String manipulation
 * rather than using the {@link URI} or {@link URL} class.
 *
 * @param url is non-null.
 * @return the domain name within {@code url}.
 */
public String getUrlDomainName(String url) {
  String domainName = new String(url);

  int index = domainName.indexOf("://");

  if (index != -1) {
    // keep everything after the "://"
    domainName = domainName.substring(index + 3);
  }

  index = domainName.indexOf('/');

  if (index != -1) {
    // keep everything before the '/'
    domainName = domainName.substring(0, index);
  }

  // check for and remove a preceding 'www'
  // followed by any sequence of characters (non-greedy)
  // followed by a '.'
  // from the beginning of the string
  domainName = domainName.replaceFirst("^www.*?\\.", "");

  return domainName;
}

Answer 4

Есть только другой способ получить хост

private String getHostName(String hostname) {
    // to provide faultproof result, check if not null then return only hostname, without www.
    if (hostname != null) {
        return hostname.startsWith("www.") ? hostname.substring(4) : getHostNameDFExt(hostname);
    }
    return hostname;
}

private String getHostNameDFExt(String hostname) {

    int substringIndex = 0;
    for (char character : hostname.toCharArray()) {
        substringIndex++;
        if (character == '.') {
            break;
        }
    }

    return hostname.substring(substringIndex);

}

Теперь мы должны передать имя хоста в функции после извлечения из URL

URL url = new URL("https://www.facebook.com/");
String hostname = getHostName(ur.getHost());

Toast.makeText(this, hostname, Toast.LENGTH_SHORT).show();

Вывод будет: " facebook.com "

Answer 5

Попробуйте метод: getDomainFromUrl () в этом классе

package com.visc.mobilesecurity.childrencare.utils;

import android.content.Context;

import com.visc.mobilesecurity.antitheft.backwardcompatibility.FroyoSupport;
import com.visc.mobilesecurity.antitheft.util.AntiTheftUtils;
import com.visc.mobilesecurity.constant.Key;
import com.visc.mobilesecurity.util.Prefs;

import org.json.JSONObject;

import java.io.File;
import java.io.FileOutputStream;
import java.io.InputStream;

/**
 * Created by thongnv12 on 3/9/2018.
 */

public class ChildcareUtils {

    public static final String[] NATION_DOMAIN = {"af", "ax", "al", "dz", "as", "ad", "ao", "ai", "aq", "ag", "ar", "am", "aw", "ac", "au", "at", "az", "bs", "bh", "bd", "bb", "eus",
            "by", "be", "bz", "bj", "bm", "bt", "bo", "bq", "ba", "bw", "bv", "br", "io", "vg", "bn", "bg", "bf", "mm", "bi", "kh", "cm", "ca", "cv", "cat", "ky", "cf", "td", "cl",
            "cn", "cx", "cc", "co", "km", "cd", "cg", "ck", "cr", "ci", "hr", "cu", "cw", "cy", "cz", "dk", "dj", "dm", "do", "tl", "ec", "eg", "sv", "gq", "er", "ee", "et", "eu",
            "fk", "fo", "fm", "fj", "fi", "fr", "gf", "pf", "tf", "ga", "gal", "gm", "ps", "ge", "de", "gh", "gi", "gr", "gl", "gd", "gp", "gu", "gt", "gg", "gn", "gw", "gy", "ht",
            "hm", "hn", "hk", "hu", "is", "in", "id", "ir", "iq", "ie", "im", "il", "it", "jm", "jp", "je", "jo", "kz", "ke", "ki", "kw", "kg", "la", "lv", "lb", "ls", "lr", "ly",
            "li", "lt", "lu", "mo", "mk", "mg", "mw", "my", "mv", "ml", "mt", "mh", "mq", "mr", "mu", "yt", "mx", "md", "mc", "mn", "me", "ms", "ma", "mz", "mm", "na", "nr", "np",
            "nl", "nc", "nz", "ni", "ne", "ng", "nu", "nf", "kp", "mp", "no", "om", "pk", "pw", "ps", "pa", "pg", "py", "pe", "ph", "pn", "pl", "pt", "pr", "qa", "ro", "ru", "rw",
            "re", "bq", "bl", "sh", "kn", "lc", "mf", "fr", "pm", "vc", "ws", "sm", "st", "sa", "sn", "rs", "sc", "sl", "sg", "bq", "sx", "sk", "si", "sb", "so", "so", "za", "gs",
            "kr", "ss", "es", "lk", "sd", "sr", "sj", "sz", "se", "ch", "sy", "tw", "tj", "tz", "th", "tg", "tk", "to", "tt", "tn", "tr", "tm", "tc", "tv", "ug", "ua", "ae", "uk",
            "us", "vi", "uy", "uz", "vu", "va", "ve", "vn", "wf", "eh", "zm", "zw"};


    public static boolean isInNationString(String str) {
        for (int index = 0; index < NATION_DOMAIN.length; index++) {
            if (NATION_DOMAIN[index].equals(str)) {
                return true;
            }
        }
        return false;
    }


    public static String getDomainFromUrl(String urlStr) {
        try {
            String result = null;
//            URL url = new URL(urlStr);
//            result = url.getHost();
//            return result;
//
            // for test
            // check dau cach
            if (urlStr.contains(" ")) {
                return null;
            }
            // replace
            urlStr = urlStr.replace("https://", "");
            urlStr = urlStr.replace("http://", "");
            urlStr = urlStr.replace("www.", "");
            //
            String[] splitStr = urlStr.split("/");

            String domainFull = splitStr[0];

            String[] splitDot = domainFull.split("\\.");

            if (splitDot.length < 2) {
                return null;
            }

            String nationStr = splitDot[splitDot.length - 1];

            if (isInNationString(nationStr)) {
                if (splitDot.length < 4) {
                    result = domainFull;
                } else {
                    StringBuilder strResult = new StringBuilder();
                    int lengthDot = splitDot.length;
                    strResult.append(splitDot[lengthDot - 3]).append(".");
                    strResult.append(splitDot[lengthDot - 2]).append(".");
                    strResult.append(splitDot[lengthDot - 1]);
                    result = strResult.toString();
                }

            } else {
                if (splitDot.length < 3) {
                    result = domainFull;
                } else {
                    StringBuilder strResult = new StringBuilder();
                    int lengthDot = splitDot.length;
                    strResult.append(splitDot[lengthDot - 2]).append(".");
                    strResult.append(splitDot[lengthDot - 1]);
                    result = strResult.toString();
                }
            }
            return result;
        } catch (Exception ex) {
            ex.printStackTrace();
            return null;
        }

    }
}

Answer 6

Вы можете попробовать использовать регулярные выражения.

http://download.oracle.com/javase/6/docs/api/java/util/regex/Pattern.html

Вот вопрос об извлечении доменного имени с регулярными выражениями в Java:

Регулярное выражение для извлечения domain.tld

Answer 7

Предполагая, что они все правильно сформированные URL, но вы не знаете, будут ли они http://, https://, и т. Д.

int start = theUrlString.indexOf('/');
int start = theUrlString.indexOf('/', start+1);
int end = theUrlString.indexOf('/', start+1);
String domain = theUrlString.subString(start, end);

Answer 8

Вы могли бы написать регулярное выражение? http: // всегда одно и то же, а затем сопоставляйте все, пока не получите первый '/'.