1

我需要帮助。如何从字符串中获取域？

例如：“嗨，我是夏目，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）

4

6 回答 6

1

好吧...您需要某种方式来定义您认为具有“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）。

于 2012-06-27T12:58:48.597 回答
1 
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/'
于 2012-06-27T13:00:49.713 回答
1

如果所有站点都具有相同的格式，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。

于 2012-06-27T13:01:17.880 回答
1

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

于 2012-06-27T13:03:09.823 回答
1 
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

于 2012-06-27T13:07:20.077 回答
0

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

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)
于 2020-10-13T06:56:11.603 回答