LinkedIn的Java开源URL检测器项目

这是LinkedIn的开源URL-Detector网址解析工具。对于Url网址：http://user@example.com:39000/hello?boo=fffrag，使用该开源URL检测器可以解析得到如下部分：


Scheme – "http"
用户名 – "user"
密码 – null
主机 – "[author]example[/author].com"
端口 – 39000
路径 – "/hello"
查询 – "?boo=ff"
片段 – "frag"

该库解析URL的功能非常强大，强于如下简单的正则表达式：


(ftp|http|https):\/\/(\w+:{0,1}\w*@)?(\S+)(:[0-9]+)?(\/|\/([\w#!:.?+=&%@!\-\/]))?
或
((ftp|http|https):\/\/)?(\w+:{0,1}\w*@)?(\S+)(:[0-9]+)?(\/|\/([\w#!:.?+=&%@!\-\/]))?
或
((((f|ht)tps?:)?//)?([a-zA-Z0-9!#$%&'*+-/=?^_`{|}~]+(:[^ @:]+)?@)?((([a-zA-Z0-9\\-]{1,255}|xn--[a-zA-Z0-9\\-]+)\\.)+(xn--[a-zA-Z0-9\\-]+|[a-zA-Z]{2,6}|\\d{1,3})|localhost|(%[0-9a-fA-F]{2})+|[0-9]+)(:[0-9]{1,5})?([/\\?][^ \\s/]*)*)

从最后一个正则表达式看到，正则越强大，越复杂，越难以维护，如同天书。

使用URL-Detector的性能要比正则表达式提高很多很多。
URL-Detector能够支持Html5 scheme以及Email和IPv4和Ipv6地址的RFC校验与解析。

使用很简单：


 import com.linkedin.urls.detection.UrlDetector;
   import com.linkedin.urls.detection.UrlDetectorOptions;
   ...
   UrlDetector parser = new UrlDetector("hello this is a url Linkedin.com", UrlDetectorOptions.Default);
    List<Url> found = parser.detect();

    for(Url url : found) {
        System.out.println("Scheme: " + url.getScheme());
        System.out.println("Host: " + url.getHost());
        System.out.println("Path: " + url.getPath());
    }

Github项目

Open Sourcing URL-Detector: A Java Library to Dete