从字符串或url解析主机名和端口

Question

我可以给出以下任何格式的字符串:

• 网址:例如http://www.acme.com:456

• string:例如www.acme.com:456,www.acme.com 456,或www.acme.com

我想提取主机,如果有一个端口.如果端口值不存在,我希望它默认为80.

我已经尝试了urlparse,它适用于url,但不适用于其他格式.例如,当我在hostname:port上使用urlparse时,它将主机名放在scheme而不是netloc中.

我会很高兴使用urlparse和正则表达式的解决方案,或者可以处理这两种格式的单个正则表达式.

Answer 1

您可以使用urlparse从URL字符串中获取主机名:

from urlparse import urlparse
print urlparse("http://www.website.com/abc/xyz.html").hostname # prints www.website.com

Answer 2

>>> from urlparse import urlparse   
>>> aaa = urlparse('http://www.acme.com:456')

>>> aaa.hostname  
'www.acme.com'

>>> aaa.port   
456
>>> 

Answer 3

它失败的原因是:

www.acme.com 456

是因为它不是有效的URI.你为什么不这样做:

1. 用a替换空格 :
2. 使用标准urlparse方法解析生成的字符串

尽可能多地尝试使用默认功能,特别是在解析像URI这样的知名格式时.

Answer 4

我对urlparse不太熟悉，但是使用正则表达式可以执行以下操作：

p = '(?:http.*://)?(?P<host>[^:/ ]+).?(?P<port>[0-9]*).*'

m = re.search(p,'http://www.abc.com:123/test')
m.group('host') # 'www.abc.com'
m.group('port') # '123'

或者，没有端口：

m = re.search(p,'http://www.abc.com/test')
m.group('host') # 'www.abc.com'
m.group('port') # '' i.e. you'll have to treat this as '80'

编辑：固定正则表达式也匹配“ www.abc.com 123”