从URL python中删除HTTP和WWW

Question

url1='www.google.com'
url2='http://www.google.com'
url3='http://google.com'
url4='www.google'
url5='http://www.google.com/images'
url6='https://www.youtube.com/watch?v=6RB89BOxaYY

如何 从Python中删除http(s)和删除wwwURL？

Answer 1

您可以使用 regex

url = 'http://www.google.com/images'
url = url.replace("http://www.","")
print url

或者你可以使用 regular expressions

import re
url = re.compile(r"https?://(www\.)?")
url.sub('', 'http://www.google.com/images').strip().strip('/')

Answer 2

一个更优雅的解决方案是使用 urlparse：

from urllib.parse import urlparse

def get_hostname(url, uri_type='both'):
    """Get the host name from the url"""
    parsed_uri = urlparse(url)
    if uri_type == 'both':
        return '{uri.scheme}://{uri.netloc}/'.format(uri=parsed_uri)
    elif uri_type == 'netloc_only':
        return '{uri.netloc}'.format(uri=parsed_uri)

第一个选项包括https或http，具体取决于链接，第二部分netloc包括您要查找的内容。