在 Java 中解析包含变音符号的 URI 的主机答案

【问题标题】：Parsing the host of a URI in Java when it contains umlauts在 Java 中解析包含变音符号的 URI 的主机
【发布时间】：2014-08-07 13:08:47
【问题描述】：

我正在尝试从包含主机中字符“ü”的 URI 解析主机，如下所示：

String host = new java.net.URI("http://füllmethodentafel.de").getHost();

但是，主机将为空。它适用于其他 URI。任何想法为什么它不起作用？

【问题讨论】：

我不这么认为。 übersetzungsbüro.de 或 füllmethodentafel.de 怎么样（你可以注册几年前就可以使用的此类 URL）
@sᴜʀᴇsʜᴀᴛᴛᴀ Yes, it is.
你确定这个网站真的存在吗？我在我的电脑上看不到也看不到它（尝试了终端 ping、google chrome、firefox 和 opera，他们都说无法解析 url）。
我认为你必须转义它：Javadocs“单参数构造函数要求在其参数中引用任何非法字符，并保留任何转义的八位字节和其他存在的字符”
是的，两者都存在。它适用于我的浏览器（chrome）。

标签： java uri

【解决方案1】：

java.net.URI 只能解析符合RFC 2396 的URL。本 RFC 需要以下规则：

  hostport      = host [ ":" port ]
  host          = hostname | IPv4address
  hostname      = *( domainlabel "." ) toplabel [ "." ]
  domainlabel   = alphanum | alphanum *( alphanum | "-" ) alphanum
  toplabel      = alpha | alpha *( alphanum | "-" ) alphanum

alphanum 基本上是[a-zA-Z0-9]。 不包括ü 等字符。

URI 可以处理Punycode URL，如http://www.xn--hostwith-e6a.com/，相当于http://www.hostwithü.com/。为此，java.net.IDN 很有用。

String host = "www.hostwithü.com";
String toASCII = IDN.toASCII(host);
System.out.println(toASCII);
// www.xn--hostwith-e6a.com

【讨论】：

使用像URI(scheme, host, path, fragment) 这样的不同构造函数实际上会导致URISyntaxException 指示使用了违反RFC 2396 的禁止字符。奇怪的是，URI(str) 构造函数不会抛出异常，尽管声明了 throw。这对我来说似乎不一致。
@Sebastian_H 这是真的。特别是因为URI(String) 的 JavaDoc 说：'@throws URISyntaxException 如果给定的字符串违反了 RFC 2396，如上述偏差所增强'。
完美答案，谢谢！ URI 的行为似乎确实不一致。 getAuthority() 有效，因此我可以使用它通过在字符串中查找 : 和 @ 来去除用户名和端口...