如何使用java从给定的url中获取基本url答案

【问题标题】：how to fetch base url from the given url using java如何使用java从给定的url中获取基本url
【发布时间】：2011-08-26 04:45:11
【问题描述】：

我正在尝试使用 java 获取基本 URL。我在代码中使用了 jtidy 解析器来获取标题。我使用 jtidy 正确获取标题，但没有从给定 URL 获取基本 URL。

我有一些 URL 作为输入：

String s1 = "http://staff.unak.is/andy/GameProgramming0910/new_page_2.htm";
String s2 = "http://www.complex.com/pop-culture/2011/04/10-hottest-women-in-fast-and-furious-movies";

我想从第一个字符串中获取 "http://staff.unak.is/andy/GameProgramming0910/" 作为基本 URL，从第二个字符串中获取 "http://www.complex.com/" 作为基本 URL。

我正在使用代码：

URL url = new URL(s1);
HttpURLConnection conn = (HttpURLConnection) url.openConnection();
InputStream in = conn.getInputStream();
Document doc = new Tidy().parseDOM(in, null);
String titleText = doc.getElementsByTagName("title").item(0).getFirstChild()
.getNodeValue();

我收到了titletext，但请告诉我如何从上面给定的 URL 获取基本 URL？

【问题讨论】：

哪些规则会告诉您http://www.complex.com/ 是基本网址而不是http://www.complex.com/pop-culture/2011/04/？

标签： java jtidy base-url

【解决方案1】：

尝试使用 java.net.URL 类，它会帮助你：

对于第二种情况，更简单，你可以使用 new URL(s2).getHost();

对于第一种情况，您可以获取主机并使用 getFile() 方法，并删除最后一个斜杠（“/”）之后的字符串。类似于：（代码未测试）

URL url = new URL(s1);
String path = url.getFile().substring(0, url.getFile().lastIndexOf('/'));
String base = url.getProtocol() + "://" + url.getHost() + path;

【讨论】：

我投了赞成票，但在我看来第三条语句应该是：String base = url.getProtocol() + "://" + url.getHost() + path;
我 THINK URL getProtocol() 返回“://”，但我没有测试:(
@Pih 至少在 Java 6 中，它没有。您必须添加它。认为“://”不是协议名称的一部分。
url 字符串需要检查是否有协议，否则会抛出格式错误的 url 异常。
看起来如果端口与默认端口不同，最好使用 url.getAuthority() 而不是 getHost()。信息：docs.oracle.com/javase/tutorial/networking/urls/urlInfo.html

【解决方案2】：

您使用 java.net.URL 类来解析相对 URL。

对于第一种情况：从路径中删除文件名：

new URL(new URL(s1), ".").toString()

对于第二种情况：设置根路径：

new URL(new URL(s2), "/").toString()

【讨论】：