java - 如何仅从 URL 字符串中提取网站名称而不是 www.和 .com 与它

Question

我只想显示网站名称。
我不想显示“.com”或“us.cnn.com”或“www.bbc.co.uk”，只显示网站名称，如“cnn”或“bbc”。
我的代码:

private String getHostName(String urlInput) {
    urlInput = urlInput.toLowerCase();
    String hostName = urlInput;
    if (!urlInput.equals("")) {
        if (urlInput.startsWith("http") || urlInput.startsWith("https")) {
            try {
                URL netUrl = new URL(urlInput);
                String host = netUrl.getHost();
                if (host.startsWith("www")) {
                    hostName = host.substring("www".length() + 1);
                } else {
                    hostName = host;
                }
            } catch (MalformedURLException e) {
                hostName = urlInput;
            }
        } else if (urlInput.startsWith("www")) {
            hostName = urlInput.substring("www".length() + 1);
        }
        return hostName;
    } else {
        return "";
    }
}  

输入

http://www.bbc.co.uk/news/world-us-canada-39018776"
http://us.cnn.com/2017/02/18/politics/john-mccain-donald-trump-dictators/index.html"  
http://bigstory.ap.org/article/d5dd5962fc4d42b195117ca63e0ba9af/revived-rally-trump-turns-back-governing  

输出

www.bbc.co.uk  
us.cnn.com  
bigstory.ap.org

我只想从中提取“bbc”、“cnn”和“ap”名称。

Answer 1

您可以使用 java.net.URI -class 从字符串中提取主机名。

示例代码:

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

上面的内容为您提供了主机名，如果您的主机名确实以 google.com/... 或 www.google.com/... 开头，则可以防止出错>，它将返回“google”。

如果给定的 url 无效(未定义的主机名)，则返回 null。