如何检查URL的合法性？

这篇文章只关注一个URL字符串是否是合法的，并不讨论这个URL对应的资源是否能够访问（有效）。

如果想看Java代码实现的部分，建议直接看文章末尾。

先粗略研究一下概念，关于URI和URL的关系，维基百科上有比较好的介绍：[传送门]

其实看起来还是没太清楚，于是翻了RFC3986[传送门]，找到了下面这个图：

The following are two example URIs and their component parts:

         foo://example.com:8042/over/there?name=ferret#nose
         \_/   \______________/\_________/ \_________/ \__/
          |           |            |            |        |
       scheme     authority       path        query   fragment
          |   _____________________|__
         / \ /                        \
         urn:example:animal:ferret:nose

上面的图给出了两个URI的例子。第一个例子是最常见的，大家每天都在用，这个博客的网址就属于这种。

http://blog.csdn.net/godric42/

其中http是scheme，更常用的说法是协议；blog.csdn.net是authority，也就是主机；/godric42/是path。

第二个例子对于使用P2P软件下载东西的同学也不陌生，可以去Google一下“磁力链接”。

有了上面的基本概念，我们约定：后文提到的“网址”，其实是在说URI。

下面用一个特例来看一下Java中URI类和URL类的区别。

        String urlStr = "http://#/?a=b";
        URI uri = null;
        try {
            uri = new URI(urlStr);
        } catch (URISyntaxException e) {
            e.printStackTrace();  
        }

        System.out.println(uri.getHost()); //null

        URL url = null;
        try {
            url = new URL(urlStr);
        } catch (MalformedURLException e) {
            e.printStackTrace();  
        }

        System.out.println(url.getHost());  //#

我们看到，使用URI和URL都能成功创建对象，但调用URI的getHost方法得到的是null，而调用URL的getHost方法输出是#。

使用URI这个类来判断一个网址的合法性是比较合适的，具体步骤如下：

1. 先新建一个URI对象；
2. 如果创建失败，则认为该URL不合法；
3. 如果创建成功，再检查host是否为null；
4. 如果host不为null，在检查协议是否是应用中能够处理的。

最终的代码如下。

public static boolean isValidUrl(String urlString){
    URI uri = null;
    try {
        uri = new URI(urlString);
    } catch (URISyntaxException e) {
        e.printStackTrace();
        return false;
    }

    if(uri.getHost() == null){
        return false;
    }
    if(uri.getScheme().equalsIgnoreCase("http") || uri.getScheme().equalsIgnoreCase("https")){
        return true;
    }
    return false;
}

结论：使用URI类来判断地址的合法性比较方便。

思考：既然URL是URI的子集，那么Java的URL类和URI类为什么会返回不同的host结果呢？看来需要研究一下源码。