python - Python URL 拆分

Question

我有一个类似于google.comPython 的字符串，我想将其分成两部分：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.诸如.co.uk. 请注意，该 URL 不包含 http:// 或 www。

Answer 1

tldextract看起来像你需要的。它处理这个.co.uk问题。

Answer 2

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关于如何解析 URL 的问题。过了一段时间，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。

它处理具有二级顶级域的 URL，例如 co.uk，并且还支持带有特殊字符的国家 URL。

PyPi 上的 url-parser
GitHub 上的 URL Parser

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。

• protocol
• www
• sub_domain
• domain
• top_domain
• dir
• file
• fragment
• query

Answer 3

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，看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。