从python中的URL提取域

Question

我有一个网址，例如：http : //abc.hostname.com/somethings/anything/ 我想获取hostname.com我可以使用哪个模块来完成此操作？我想在python2使用相同的模块和方法非常感谢！

Answer 1

要在 Python 3 中解析 URL 的域，您可以使用：

from urllib.parse import urlparse

domain = urlparse('http://www.example.test/foo/bar').netloc
print(domain) # --> www.example.test

但是，为了可靠地解析顶级域（example.test在本例中），您需要安装一个专门的库（例如tldextract）。

Answer 2

您可以使用 python 代替正则表达式或手写解决方案 urlparse

from urllib.parse import urlparse

print (urlparse('http://abc.hostname.com/somethings/anything/'))
>> ParseResult(scheme='http', netloc='abc.hostname.com', path='/somethings/anything/', params='', query='', fragment='')

print (urlparse('http://abc.hostname.com/somethings/anything/').netloc)
>> abc.hostname.com

没有子域

t = urlparse('http://abc.hostname.com/somethings/anything/').netloc
print ('.'.join(t.split('.')[1:]))
>> hostname.com

Answer 3

试试这个代码：

from tldextract import extract

tsd, td, tsu = extract("http://abc.hostname.com/somethings/anything/") # prints abc, hostname, com

url = td + '.' + tsu # will prints as hostname.com

print url

Answer 4

假设您将它放在一个可访问的字符串中，并假设我们希望在顶级域上具有多个级别，您可以：

token=my_string.split('http://')[1].split('/')[0]
top_level=token.split('.')[-2]+'.'+token.split('.')[-1]

我们首先用 分割http://以从字符串中删除它。然后我们用 the 分割/以删除字符串的所有目录或子目录部分，然后[-2]我们取 a 之后的倒数第二个标记.，并将其附加到最后一个标记，为我们提供顶级域。

可能有更优雅和更强大的方法来做到这一点，例如，如果您的网站http://.com会崩溃，但它是一个开始:)