相关疑难解决方法(0)

如何从URL字符串中获取域名？

例子:

+----------------------+------------+
| input                | output     |
+----------------------+------------+
| www.google.com       | google     |
| www.mail.yahoo.com   | mail.yahoo |
| www.mail.yahoo.co.in | mail.yahoo |
| www.abc.au.uk        | abc        |
+----------------------+------------+

有关:

• 通过正则表达式匹配网址

需要一种方法来使用Python urlparse从URL中提取没有子域的域名.

例如,我想"google.com"从一个完整的URL中提取出来"http://www.google.com".

我似乎最接近的urlparse是netloc属性,但它包括子域,在本例中它将是www.google.com.

我知道可以编写一些自定义字符串操作来将www.google.com转换为google.com,但我希望在此任务中避免使用字符串转换或正则表达式.(原因是我对url形成规则不够熟悉,以确信我可以考虑编写自定义解析函数所需的每个边缘情况.)

或者,如果urlparse不能做我需要的,有没有人知道任何其他Python url解析库？

例如,地址是:

Address = http://lol1.domain.com:8888/some/page

我想将子域保存到变量中,所以我可以这样做;

print SubAddr
>> lol1

我有一个域列表,例如

• site.co.uk

• site.com

• site.me.uk

• site.jpn.com

• site.org.uk

• site.it

域名也可以包含第3和第4级域名,例如

• test.example.site.org.uk

• test2.site.com

在所有这些情况下,我需要尝试提取二级域名 site

有任何想法吗？:)

我的要求是通过过滤掉它的子域名来获取 URL 的域名。

我可以使用以下代码获取主机名

if let url = URL(string: "https://blog.abc.in/")  {
    if let hostName = url.host  {
         print("host name = \(hostName)") // output is: blog.mobilock.in
    }
 }

所以在 URL博客中是一个子域，而abc是一个域名，我希望通过排除其子域部分来只知道/打印abc。

在android中，有一个返回域名的类InternetDomainName，我正在寻找iOS的类似解决方案

我尝试了几个答案，但它不是重复的任何一个或其中一些不起作用，或者这是一种解决方法。

获取 URL 字符串的域部分？

您将如何拆分将返回名称和扩展名的域名

可能重复:
如何从URL中提取域名

我想从URL中提取网站,即console.aws.amazon.com从以下URL中提取网站.

>>> ts
'https://console.aws.amazon.com/ec2/home?region=us-east-1#s=Instances,EC2 Management Console,12/3/2012 4:34:57 PM,11,0,,25806'
>>> re.match(ts,'(")?http(s)?://(.*?)/').group(0)

Traceback (most recent call last):
File "<pyshell#17>", line 1, in <module>
re.match(ts,'(")?http(s)?://(.*?)/').group(0)
AttributeError: 'NoneType' object has no attribute 'group'

我在JS中尝试了这个正则表达式并且它有效.知道为什么这在JS中匹配,但它在Python中不起作用？

所以我编写了一个小函数来从输入域字符串中删除子域（如果有）：

def rm(text):
    print(text.replace(text, '.'.join(text.split('.')[-2:])), end="")
    print("\n")

if __name__ == "__main__":
    rm("me.apple.com")
    rm("not.me.apple.com")
    rm("really.not.me.apple.com")
    # problem here
    rm("bbc.co.uk")

一切都很好，直到你有.something.somethingtld., like.co.uk或.co.in。

所以我的输出是：

apple.com
apple.com
apple.com
--> co.uk

它应该在的地方，

apple.com
apple.com
apple.com
bbc.co.uk

如何以优雅的方式修复/创建该函数，而不是检查所有可能的双重顶级域名？ 编辑：如果这很重要的话，我将不得不检查数百万个域名。所以我要做的就是将一个域传递给我的函数并获得一个干净的、无子域的域。