Quiero analizar el dominio de una URL (sin 'www') con expresiones regulares y devolverlo. Hay muchos ejemplos de ello en StackOverflow pero no proporcionar la solución para todos los casos por debajo o algunos de ellos tiene características innecesarias. Mis casos son:
http://www.google.co.uk pass
http://www.google.co.uk pass
http://google.com.co.uk pass
same for https pass
google.co.uk pass
www.google.co.uk pass
y todos deben devolver sólo una parte del dominio google.co.uk No hay necesidad de enlaces como 101.34.24 .. o de partida para fps etc ... Sólo se permiten formatos de entrada están por encima. Y puedo validar URL con expresiones regulares: ^(https?:\/\/)?(www\.)?([\w]+\.)+[\w]{2,63}\/?$
y está funcionando bien, pero no sé cómo analizarlo.
Nota: Yo sería feliz si no recomiendas clases URI o URL y sus métodos para el análisis de dominio de forma automática como:
private String parseUrl(String url) throws URISyntaxException {
if (url.startsWith("http:/")) {
if (!url.contains("http://")) {
url = url.replaceAll("http:/", "http://");
}
} else if (url.startsWith("https:/")) {
url = url.replaceAll("https:/", "http:/");
} else {
url = "http://" + url;
}
URI uri = new URI(url);
String domain = uri.getHost();
return domain.startsWith("www.") ? domain.substring(4) : domain;
}
Este código funciona perfectamente así pero necesito regex no éste.
Su expresión regular,
^(https?:\/\/)?(www\.)?([\w]+\.)+[\w]{2,63}\/?$
coincide con la entrada, pero no captura el dominio prevista en un grupo correctamente. Puede modificarlo y hacerlo tan simple como este,
^(?:https?:\/\/)?(?:www\.)?((?:[\w]+\.)+\w+)
que captura la captura de dominio deseado en el grupo 1.
Aquí está una muestra de código Java utilizando extractos y copias de nombres de dominio,
public static void main(String[] args) throws SQLException {
Pattern p = Pattern.compile("^(?:https?:\\/\\/)?(?:www\\.)?((?:[\\w]+\\.)+\\w+)");
List<String> list = Arrays.asList("http://www.google.co.uk", "http://www.google.co.uk",
"http://google.com.co.uk", "https://www.google.co.uk", "https://www.google.co.uk",
"https://google.com.co.uk");
list.forEach(x -> {
Matcher m = p.matcher(x);
if (m.matches()) {
System.out.println(x + " --> " +m.group(1));
}
});
}
Huellas dactilares,
http://www.google.co.uk --> google.co.uk
http://www.google.co.uk --> google.co.uk
http://google.com.co.uk --> google.com.co.uk
https://www.google.co.uk --> google.co.uk
https://www.google.co.uk --> google.co.uk
https://google.com.co.uk --> google.com.co.uk