java用正则表达式获取domain

　　在工作中经常用到获取url的来源和域名的黑白名单功能.前段时间写了一个获取url中域名的方法.但是在测试过程中发现有些小问题.

　　　　

    /**
     * 根据URL获取domain
     * @param url
     * @return
     */
    public static String getDomainForUrl(String url){
        
        String domainUrl = null;
        if (url == null) {
            return null;
        } else {
            Pattern p = Pattern.compile("(?<=http://|\\.)[^.]*?\\.(com|cn|net|org|biz|info|cc|tv)",Pattern.CASE_INSENSITIVE);
            Matcher matcher = p.matcher(url);
            matcher.find();
            domainUrl = matcher.group();
            return domainUrl;
        }
    }

　　下面是测试方法

　　　　

    public static void main(String[] args) {

        System.out.println(getDomainForUrl("www.likunran.com"));
        System.out.println(getDomainForUrl("www.likunran.com"));
        System.out.println(getDomainForUrl("atongbei.likunran.com.taobao.com"));

    }

 

执行结果

likunran.com
likunran.com
likunran.com

　　发现当域名正常时候取出来域名是正常的.如果域名里包含自己的域名就跪了.经过分析是正则表达式的匹配顺序有问题.故修改代码如下

　　　　

    /**
     * 根据URL获取domain
     * @param url
     * @return
     */
    public static String getDomainForUrl(String url){
        
        String domainUrl = null;
        if (url == null) {
            return null;
        } else {
            Pattern p = Pattern.compile("(?<=http://|\\.)[^.]*?\\.(com|cn|net|org|biz|info|cc|tv)",Pattern.CASE_INSENSITIVE);
            Matcher matcher = p.matcher(url);
            while(matcher.find()){
                domainUrl = matcher.group();
            }
            return domainUrl;
        }
    }

 

修改后测试结果

likunran.com
likunran.com
taobao.com