Python URL 拆分答案

【问题标题】：Python URL splittingPython URL 拆分
【发布时间】：2012-06-07 22:18:02
【问题描述】：

我在 Python 中有一个类似 google.com 的字符串，我想将它分成两部分：google 和 .com。问题是我有一个 URL，例如 subdomain.google.com，我想将其拆分为 subdomain.google 和 .com。

如何将 URL 的其余部分与 TLD 分开？由于.co.uk 等TLD，它无法基于URL 中最后一个. 进行操作。请注意，该 URL 不包含 http:// 或 www。

【问题讨论】：

【解决方案1】：

tldextract 看起来像你需要的。它处理.co.uk 问题。

【讨论】：

【解决方案2】：

为此，您需要一个有效域名列表。顶级代码（.com、.org 等）和国家代码（.us、.fr 等）很容易找到。试试http://www.icann.org/en/resources/registries/tlds。

对于二级域名（.co.uk、.org.au），您可能需要查找每个国家/地区代码以查看其子域。维基百科是你的朋友。

获得列表后，从您拥有的名称（google.com 或 co.uk）中获取最后两个部分，然后查看它是否在您的二级列表中。如果没有，请抓住最后一部分，看看它是否在您的顶级列表中。

【讨论】：

【解决方案3】：

我使用了tdl 和urllib，但没有发现它们令人满意。我在 Google 搜索中多次发现这个问题，关于如何解析 URL。过了一会儿，我花时间制作了一个正则表达式，并将其做成了一个开源包。

它处理像 co.uk 这样具有二级顶级域的 URL，还支持带有特殊字符的国家 URL。

对你来说，像这样使用它会很容易：

第一步：

pip install url-parser

第二步：

from url_parser import parse_url


url = parse_url('subdomain.google.com')
url['subdomain'] # subdomain
url['domain'] # google
url['top_domain'] #com

您可以使用这些键来获取 URL 的不同部分。

【讨论】：