从字符串中获取域？ - Python答案

【问题标题】：Get domain from string? - Python从字符串中获取域？ - Python
【发布时间】：2012-06-28 21:58:10
【问题描述】：

我需要帮助。如何从字符串中获取域？

例如：“Hi im Natsume，查看我的网站http://www.mysite.com/”

我如何获得 mysite.com？

输出示例：

http://www.mysite.com/（如果输入了 http）

www.mysite.com（如果未输入 http）

mysite.com（如果未输入 http 和 www）

【问题讨论】：

见this question
你试过什么？您是否考虑过在字符串中搜索某些定义特征？

标签： python string url dns

【解决方案1】：

最好的方法是使用正则表达式来提取 URL。然后使用tldextract从URL中获取有效域名。

import re
import tldextract

text = "Hi im Natsume, check out my site http://www.example.com/"
urls = re.findall('http[s]?://(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*\(\),]|(?:%[0-9a-fA-F][0-9a-fA-F]))+', text)
found_url = urls[0]
info = tldextract.extract(found_url)
domain_name = info.domain
suffix_name = info.suffix
final_domain_name  = domain_name+"."+suffix_name
print(final_domain_name)

【讨论】：

@user_3pij 查看我制作的模组。 URL 大写而不是突出显示，因为在这种情况下它不是方法或代码。一旦您看到他们将此评论标记为删除。

【解决方案2】：

myString = "Hi im Natsume, check out my site http://www.mysite.com/"
>>> a = re.search("(?P<url>https?://[^\s]+)", myString) or re.search("(?P<url>www[^\s]+)", myString)
>>> a.group("url")
'http://www.mysite.com/'
>>> myString = "Hi im Natsume, check out my site www.mysite.com/"
>>> a = re.search("(?P<url>https?://[^\s]+)", myString) or re.search("(?P<url>www[^\s]+)", myString)
>>> a.group("url")
'www.mysite.com/'

【讨论】：

好的，如果用户没有输入 http，我现在如何获取 URL？我的意思是它可以接受是否输入http，也可以接受输入或不输入www
@Nastume 使用 re.search("(?Pwww[^\s]+)", myString).group("url")
嗯，如果用户没有输入 http 或 www ，它仍然无法接受:(
@Nastume 可以为您的案例提供示例输入和输出
到目前为止我只能这样做 re.search("(?P(https?|www)[^\s]+)", a).group("url")但是如果没有输入http或www仍然无法接受

【解决方案3】：

如果所有网站都具有相同的格式，您可以使用这样的正则表达式（在这种特定情况下有效）：

re.findall('http://www\.(\w+)\.com', url)

但是，您需要一个更复杂的正则表达式来解析任何 url 并提取域名。

【讨论】：

如果域有这样的结构，my-web-site.com (\w+) 只找到“站点”

【解决方案4】：

如果你想使用正则表达式，一种方法可能是 -

>>> s = "Hi im Natsume, check out my site http://www.mysite.com/"
>>> re.findall(r'http\:\/\/www\.([a-zA-Z0-9\.-_]*)\/', s)
['mysite.com']

..考虑url以'/'结尾

【讨论】：

啊，我有点喜欢你的代码。但是如果用户没有输入http://或www，如何获取域？
在这种情况下，你可以简单地做 - >>> s = "Hi im Natsume, check out my site mysite.com" >>> [t for t in s.split() if '.com' in t] ['mysite.com']
我修改的正则表达式 -> raw = re.findall(r'([a-zA-Z0-9\.]*)([a-zA-Z0-9\/]*) ', url)，如果输入了 http:// 或 www，并且 url 位于字符串的开头、结尾或中间，我很想使正则表达式查找域

【解决方案5】：

s= "Hi im Natsume, check out my site http://www.mysite.com/"
start=s.find("http://") if s.find("http://")!=-1 else s.find("https://")+1
t = s[start+11:s.find(" ",start+11)]
print(t)

输出： mysite.com

【讨论】：

【解决方案6】：

嗯...您需要一些方法来定义您认为是具有“域”的东西。一种方法可能是查找 URL 匹配的正则表达式，并将其应用于字符串。如果成功，您至少知道该字符串包含一个 URL，并且可以继续解释该 URL 以查找主机名，然后您可以从中提取域（可能）。

【讨论】：