python - 剥离 URL - Python

Question

好的，我如何使用正则表达式删除 http和/或www 只是为了让http://www.domain.com/进入domain.com

假设 x 为任何类型的 TLD 或 cTLD

输入示例：

http://www.domain.x/

www.domain.x

输出：

域.x

Answer 1

不要使用正则表达式，使用 urlparse 获取 netloc

>>> x = 'http://www.domain.com/'
>>> from urlparse import urlparse
>>> o = urlparse(x)
>>> o
ParseResult(scheme='http', netloc='www.domain.com', path='/', params='', query='', fragment='')
>>> 

接着

>>> o.netloc
'www.domain.com'
>>> if o.netloc.startswith('www.'): print o.netloc[4:]
... 
domain.com
>>> 

Answer 2

如果您真的想使用正则表达式而不是urlparse()或拆分字符串：

>>> domain = 'http://www.example.com/'
>>> re.match(r'(?:\w*://)?(?:.*\.)?([a-zA-Z-1-9]*\.[a-zA-Z]{1,}).*', domain).groups()[0]
example.com

正则表达式可能有点简单，但有效。它也没有替换，但我认为获取域更容易。

要支持像“co.uk”这样的域，可以执行以下操作：

>>> p = re.compile(r'(?:\w*://)?(?:.*?\.)?(?:([a-zA-Z-1-9]*)\.)?([a-zA-Z-1-9]*\.[a-zA-Z]{1,}).*')
>>> p.match(domain).groups()

（“谷歌”，“co.uk”）

因此，您必须检查“co.uk”等域的结果，并在这种情况下再次加入结果。普通域应该可以正常工作。当您有多个子域时，我无法使其工作。

没有正则表达式或花哨模块的单行代码：

>>> domain = 'http://www.example.com/'
>>> '.'.join(domain.replace('http://','').split('/')[0].split('.')[-2:])

Answer 3

这是其中一种方法：

    >>>import re
    >>>str1 = 'http://www.domain.x/'
    >>>p1 = re.compile('http://www.|/')
    >>>out = p1.sub('',str1)