本文讲解如何通过正则表达式精准匹配并提取形如 mywebsite.de 或 mywebsite.co.uk 的域名，要求忽略前后空格或无关文本，避免过度匹配或捕获失败。
在实际文本处理中，我们常需从非结构化语句中提取特定格式的域名，例如从搜索日志、本地化界面文本（如德语“durchsuchen”）或混合语境中抽取出 Mywebsite.xx 类型的字符串。关键挑战在于：目标字符串前后可能紧邻空格、标点或任意其他字符，而原始正则 Mywebsite(.*?) 存在两大缺陷：
- 未转义点号 .，导致 Mywebsite. 被误解析为 Mywebsite + 任意字符；
- 使用贪婪/非贪婪量词 .*? 易受后续文本干扰，且未限定域名后缀结构，无法准确截断。
✅ 正确方案应锚定字面量 Mywebsite.，精确匹配合法二级/国家代码顶级域（如 de、co.uk），推荐使用以下正则模式：
Pattern.compile("Mywebsite\.([a-z]+(?:\.[a-z]+)?)");该表达式含义如下：
- Mywebsite\.：严格匹配字面量 Mywebsite.（注意 Java 字符串中需双反斜杠转义）；
- ([a-z]+(?:\.[a-z]+)?)：捕获组，匹配小写字母组成的主域名（如 de）或带子域的复合后缀（如 co.uk），其中 (?:\.[a-z]+)? 是非捕获可选组，支持 .co.uk 等多级后缀。
完整示例代码（含健壮性增强）：
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class DomainExtractor {
private static final Pattern DOMAIN_PATTERN =
Pattern.compile("Mywebsite\.([a-z]+(?:\.[a-z]+)?)");
public static String extractDomain(String input) {
if (input == null) return null;
Matcher matcher = DOMAIN_PATTERN.matcher(input);
if (matcher.find()) {
return "Mywebsite." + matcher.group(1); // 拼回完整域名
}
return null; // 未匹配时返回 null，便于调用方判断
}
// 测试用例
public static void main(String[] args) {
String[] tests = {
"Search Mywebsite.de",
"Mywebsite.de durchsuchen",
"Search Mywebsite.co.uk",
"Mywebsite.co.uk something"
};
for (String test : tests) {
System.out.println(""" + test + "" → " + extractDomain(test));
}
}
}? 注意事项：
- 若需支持大小写混合（如 MyWebsite.DE），可添加 Pattern.CASE_INSENSITIVE 标志；
- 若域名可能包含数字或连字符（如 mywebsite-2024.co.uk），需将 [a-z] 改为 [a-z0-9-] 并确保符合 DNS 命名规范；
- 生产环境建议预编译 Pattern（如上例的 static final），避免重复编译开销；
- 严格来说，.co.uk 属于公共后缀（Public Suffix），真实场景中建议结合 Public Suffix List 库进行校验，而非仅依赖正则。
通过以上方法，即可稳定、高效地从任意上下文中提取目标域名，兼顾准确性与可维护性。
