在Java中解析包含umlauts的URI中的主机名

Question

我正在尝试解析包含主机名中字符 'ü' 的 URI 中的主机名，如下所示：

String host = new java.net.URI("http://füllmethodentafel.de").getHost();

然而，主机将为空。它与其他URI一起工作。为什么它不起作用，有任何想法吗？

- lex82

---

我不这么认为。那么 http://www.übersetzungsbüro.de 或者 http://füllmethodentafel.de 呢？它们都可以使用（而且你可以注册这样的URL，这在几年前才成为可能）。 - lex82

你确定这个网站真的存在吗？我无法从我的电脑上看到它或使用终端ping、google chrome、firefox和opera都无法解析URL。 - BackSlash

我认为你必须对它进行转义：Javadocs“单参数构造函数要求其参数中的任何非法字符都要加引号，并保留任何已转义的八位组和其他存在的字符。” - Fildor

你尝试过使用URI.create(String)或者其中一个多参数构造函数吗？最后，你尝试过URLEncoder吗？只是出于好奇？ - Fildor

同样的问题适用于URI.create()，它只是构造函数的一个包装器。对于其他构造函数，我需要知道正在尝试解析的URL的部分。 - lex82

Answer 1

java.net.URI 只能解析符合 RFC 2396 的URL。这个RFC要求遵循以下规则：

  hostport      = host [ ":" port ]
  host          = hostname | IPv4address
  hostname      = *( domainlabel "." ) toplabel [ "." ]
  domainlabel   = alphanum | alphanum *( alphanum | "-" ) alphanum
  toplabel      = alpha | alpha *( alphanum | "-" ) alphanum

其中alphanum基本上是[a-zA-Z0-9]。 像ü这样的字符不包括在内。

URI可以处理Punycode URL，例如http://www.xn--hostwith-e6a.com/即等同于http://www.hostwithü.com/。为此，java.net.IDN很有用。

String host = "www.hostwithü.com";
String toASCII = IDN.toASCII(host);
System.out.println(toASCII);
// www.xn--hostwith-e6a.com

- user1907906

---

使用不同的构造函数，例如URI(scheme, host, path, fragment)，实际上会导致URISyntaxException异常，指示违反RFC 2396的禁止字符已被使用。奇怪的是，URI(str)构造函数没有抛出异常，尽管声明了抛出异常。这对我来说似乎是不一致的。 - Sebastian_H

@Sebastian_H 这是真的。特别是因为 URI（String） 的JavaDoc说：'@throws URISyntaxException如果给定的字符串违反RFC 2396，如上所述的偏差'。 - user1907906

非常好的答案，谢谢！URI的行为确实不一致。getAuthority()可以使用，因此我可以通过在字符串中查找“：”和“@”来使用它来剥离用户名和端口... - lex82