如何有效地检查给定的URL(字符串)是否包含Java中的白名单域(字符串)

Question

我需要编写一个实用程序方法，该方法将获取一个 url 并检查给定的 url 是否有效？

URL

可以是任何有/没有协议的东西，如http，https或可以包含相对URL，例如如果域example并且url是"abc.com"，那么它是一个相对URL。 它也可以是无效的URL，并且可以包含简单的字符串。

此外，我有列入白名单的URL列表，可以更改运行时，如youtube.com，facebook.com等。

我

如何检查给定的 url 在我的情况下是否有效，我正在做的一些基本检查如下：-

 String url = "http://youtube.com";
    if(!StringUtil.isEmpty(url))
    {
        if (url.startsWith("http:") || pathToImage.startsWith("https://")) {
            // check if url is from whitlist domains
        } else {
            // do nothing, url is not internal domain.
        }
    }

现在我的问题是我如何从 URL 中正确提取域名，该 URL 将在http或https之后。

注意：- 我正在使用apache StringUtils，网址很可能像https://absdsbsb或https://anmds.txt。也让我知道这是否是正则表达式匹配的好案例？

Answer 1

执行此操作的正确方法是使用 URI 类。

您可以将它们视为字符串并查找特定的模式或子字符串，但是有各种"棘手"的方法来编写可用于传递不应该传递的 URL。 (但是，如果您使用的是白名单而不是黑名单，那么就更难变得棘手了。

无论如何，方法应该是使用 URI 类来解析 URL 字符串，然后获取并匹配protocol和host组件。

一旦你有了域名，如何有效地将其与白名单进行匹配有点麻烦，但我会考虑使用 TreeSet，并考虑使用它floor和ceiling方法来加速域前缀匹配。

(如果正则表达式匹配能给你带来良好的性能，我会感到惊讶。