[网络协议]java提取文本中的url（没有http或https也能提取）

maven引用

<dependency>
    <groupId>io.github.url-detector</groupId>
    <artifactId>url-detector</artifactId>
    <version>0.1.23</version>
</dependency>

public class TestController {

    private static String REGEX_CHINESE = "[\u4e00-\u9fa5]";// 中文正则

    public static void main(String[] args) {

        String text = "做款手机的提问时，罗永浩回复称：因https://www.baidu.com为要烧投资人的钱，所以我确实没这勇气了。aa.cn/nha?1234确认";
        List<Url> found = parser(text);

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

    private static List<Url> parser(String text) {

        text = text.replaceAll(REGEX_CHINESE, " ");
        // System.out.println("replace text: " + text);

        UrlDetector parser = new UrlDetector(text, UrlDetectorOptions.Default);
        List<Url> found = parser.detect();
        return found;
    }

}

运行结果：

Scheme: https
Host: www.baidu.com
Path: /
Scheme: http
Host: aa.cn
Path: /nha

说明：代码里面首先把中文都变成空格了，防止中文与英文网址在一起被错误识别，因为中文也是可以做网址的。例如“百度aaa.com”，如果不将中文替换成空格，则识别的网址为“百度aaa.com”，替换成空格后，则识别的网址为“aaa.com”。

阅读世界，共赴山海

423全民读书节，邀你共读