Wie extrahiere ich Domänennamen genau aus URLs in Java?

Domainnamen-Extraktion aus URLs

Die Aufgabe, Domainnamen aus URLs zu extrahieren, stellt sich häufig. In diesem Artikel wird eine gängige Java-Implementierung für diese Aufgabe besprochen und alternative Ansätze zur Verbesserung der Genauigkeit und zur Behandlung potenzieller Randfälle untersucht.

Erstimplementierung

Der bereitgestellte Java-Code beginnt mit der Normalisierung Geben Sie die URL ein, indem Sie bei Bedarf „http://“ voranstellen. Anschließend wird die URL mithilfe von java.net.URL analysiert, um die Hostzeichenfolge zu erhalten. Wenn der Host schließlich mit „www“ beginnt, wird die Teilzeichenfolge nach „www“ angezeigt. wird als Domänenname zurückgegeben.

Alternativer Ansatz

Dieser Ansatz weist jedoch Einschränkungen auf:

• Bestimmte Randfälle können nicht behandelt werden , wie zum Beispiel relative URLs mit Pfaden, die mit „http“ oder „www“ beginnen.
• Es wird davon ausgegangen, dass das Protokoll immer in Kleinbuchstaben geschrieben ist ist keine gültige Annahme.
• Es führt unnötige DNS-Suchvorgänge während URL-Gleichheitsprüfungen durch, was zu Denial-of-Service-Angriffen führen kann.

Verbesserte Implementierung

Um diese Probleme zu beheben, empfehlen wir die Verwendung von java.net.URI für die URL-Analyse. URI bietet einen robusteren und zuverlässigeren Ansatz:

<code class="java">public static String getDomainName(String url) throws URISyntaxException {
    URI uri = new URI(url);
    String domain = uri.getHost();
    return domain.startsWith("www.") ? domain.substring(4) : domain;
}</code>

Dieser Code wandelt die URL in einen URI um, ruft die Hostzeichenfolge ab und entfernt das „www“. Präfix, falls vorhanden.

Zusätzliche Überlegungen

Selbst mit der verbesserten Implementierung kann es immer noch einige Randfälle geben, die man beachten muss. RFC 3986 Anhang B stellt einen regulären Ausdruck bereit, der komplexere URI-Parsing-Szenarien verarbeiten kann.

Randfälle

Im Folgenden sind einige zusätzliche Randfälle aufgeführt, bei denen die anfängliche Implementierung möglicherweise fehlschlägt zu verarbeiten:

• URLs mit mehreren Schrägstrichen im Pfad oder Host
• URLs mit codierten Zeichen
• URLs mit Abfragezeichenfolgen oder Fragment-IDs
• URLs, die in Nicht-ASCII-Domänennamen aufgelöst werden

Insgesamt Die Verwendung von java.net.URI für die URL-Analyse bietet eine umfassendere und genauere Möglichkeit, Domänennamen aus URLs zu extrahieren, insbesondere wenn es um komplexe oder möglicherweise ungültige URLs geht URLs.

Das obige ist der detaillierte Inhalt vonWie extrahiere ich Domänennamen genau aus URLs in Java?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!