Python URL 分割

Question

4

我有一个Python字符串，例如google.com，我想将其拆分为两部分：google和.com。问题在于当我有一个URL时，如subdomain.google.com，我希望它被拆分为subdomain.google和.com。

如何从TLD中分离出URL的其余部分？由于存在像.co.uk这样的TLD，因此不能仅依靠URL中的最后一个.进行操作。请注意，该URL不包含http://或www。

- q3d

2

这个问题将因即将到来的新通用顶级域名变得更加有趣。很快我们也将分离出“search.google”。 - Gareth Latty

3个回答

1

我使用了tdl和urllib，但并不满意。在我的谷歌搜索中多次发现了这个问题，如何解析URL。过了一段时间，我花时间制作了一个正则表达式，并将其制作成开源包。

它处理具有二级顶级域名（例如co.uk）的URL，还支持具有特殊字符的国家/地区URL。 PyPi上的url-parser GitHub上的URL Parser 对于您来说，像这样使用它很容易：

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

你可以使用这些键来获取URL的不同部分。

- odd86

0

要做到这一点，您需要一个有效域名列表。顶级域名（.com、.org等）和国家代码（.us、.fr等）很容易找到。请尝试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代码以查看其子域。维基百科是您的朋友。

一旦您有了列表，请从您拥有的名称中获取最后两部分（google.com或co.uk），并查看它是否在您的二级列表中。如果没有，请获取最后一部分，并查看它是否在您的顶级列表中。

- Michael J

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- eumiro · Accepted Answer

tldextract 看起来是你需要的。它解决了 .co.uk 的问题。