使用 Java 从 URL 中截断域答案

【问题标题】：Truncate Domain From URL using Java使用 Java 从 URL 中截断域
【发布时间】：2014-12-30 11:32:52
【问题描述】：

给定这样一个域：

http%3a%2f%2fwww.google.com%2fpagead%2fconversion%2f1001680686%2f%3flabel%3d4dahCKKczAYQrt7R3QM%26value%3d%26muid%3d_0RQqV8nf-ENh3b4qRJuXQ%26bundleid%3dcom.google.android.youtube%26appversion%3d5.10

我想换

%3a%2f%2

与

://

去掉“.com”后面的所有内容，所以最后我只想得到

http://www.google.com

如何使用正则表达式在 Java 中实现这一点？

【问题讨论】：

Java 有一个正则表达式库，您可以使用它。试试看这篇文章：vogella.com/tutorials/JavaRegularExpressions/article.html
URL 先解码值，然后使用 URI/URL (docs.oracle.com/javase/6/docs/api/java/net/URI.html) 获取方案，主机值来构造你想要的。

标签： java regex url

【解决方案1】：

你可以使用：

String u = URLDecoder.decode(url, "UTF-8").replaceFirst("(\\.[^/]+).*$", "$1");
// http://www.google.com

【讨论】：

使用方法时，它适用于大多数URL，但是我有一个结果，但我有一个结果：“http \：//nfl.demdex.net/event？d_uuid = 7891237817＆d_dpid = 1327＆d_dpuid = 2a0532a8和d_ptfm =android&d_dst=1&d_rtbd=json"。我想我应该只有“nfl.demdex.net”，对吧？有什么问题？有什么可以改进或修改的吗？
是的，现在试试我的答案。
这看起来很不错。你能简单解释一下你的答案吗？之后我会接受这个答案，谢谢。
是的，当然。此正则表达式使用\\. 找到第一个点，然后使用否定正则表达式[^/]+ 它匹配文本，直到遇到斜线/。 (\\.[^/]+) 正在捕获的组 #1 中捕获此内容，.*$ 匹配所有内容，直到 URL 结束。在替换部分中，我们只是为捕获的组 #1 提供了一个反向引用 $1，从而给了我们 http://nfl.demdex.net 并丢弃了其余部分。
如果我得到这样的url怎么办：解码后变成：www.google.com:80/other part...我也不想要端口信息（：80），怎么可能我对此进行更改？ @anubhava

【解决方案2】：

所以你在解码后就有了这个方案的 URL（例如java.net.URLDecoder.decode()）：

http://www.google.com/here/is/some/content

要从输入中获取域和协议，您可以使用如下正则表达式：

String input = URLDecoder.decode("http%3a%2f%2fwww.google.com%2fpagead%2fconversion%2f1001680686%2f%3flabel%3d4dahCKKczAYQrt7R3QM%26value%3d%26muid%3d_0RQqV8nf-ENh3b4qRJuXQ%26bundleid%3dcom.google.android.youtube%26appversion%3d5.10");
Matcher m = Pattern.compile("(http[s]?)://([^/]+)(/.*)?").matcher(input);
if (!m.matches()) return;
String protocol = m.group(1);
String domain   = m.group(2);
System.out.println(protocol + "://" + domain);

正则表达式的解释：

(http[s]?)://([^/]+)(/.*)?
|---1----|-2-|--3--|--4---|

匹配协议http 和https
匹配协议后面的://
匹配域名（[^/]+ 是任何不包含斜杠的字符串）
匹配域后面的所有内容（必须以斜杠开头）

【讨论】：

我只是在说明您正在使用已弃用的版本URLDecoder.decode(String) ...
@Tom 我链接到 JavaDoc，所以我知道这已被弃用。如果您知道编码是什么，请随时添加它

【解决方案3】：

一种方式；

java.net.URI uri = new java.net.URI(java.net.URLDecoder.decode(url, "UTF-8"));

System.out.println( uri.getScheme() + "://" + uri.getHost() );

【讨论】：

既然 OP 添加了正则表达式标签，我认为他想要一个解决问题的正则表达式