[Python]從url中解析網域名稱的幾種方法，pythonurl

[Python]從url中解析網域名稱的幾種方法，pythonurl
Python從url中解析網域名稱的幾種方法

從url中找到網域名稱,首先想到的是用正則，然後尋找相應的類庫。用正則解析有很多不完備的地方，url中有網域名稱，網域名稱尾碼一直在不斷增加等。通過google查到幾種方法，一種是用Python中內建的模組和正則相結合來解析網域名稱，另一種是使第三方用寫好的解析模組直接解析出網域名稱。

要解析的url

urls = ["http://meiwen.me/src/index.html",          "http://1000chi.com/game/index.html",          "http://see.xidian.edu.cn/cpp/html/1429.html",          "https://docs.python.org/2/howto/regex.html",          """https://www.google.com.hk/search?client=aff-cs-360chromium&hs=TSj&q=url%E8%A7%A3%E6%9E%90%E5%9F%9F%E5%90%8Dre&oq=url%E8%A7%A3%E6%9E%90%E5%9F%9F%E5%90%8Dre&gs_l=serp.3...74418.86867.0.87673.28.25.2.0.0.0.541.2454.2-6j0j1j1.8.0....0...1c.1j4.53.serp..26.2.547.IuHTj4uoyHg""",          "file:///D:/code/echarts-2.0.3/doc/example/tooltip.html",          "http://api.mongodb.org/python/current/faq.html#is-pymongo-thread-safe",          "https://pypi.python.org/pypi/publicsuffix/",          "http://127.0.0.1:8000"          ]

使用urlparse+正則的方式

import refrom urlparse import urlparsetopHostPostfix = (    '.com','.la','.io','.co','.info','.net','.org','.me','.mobi',    '.us','.biz','.xxx','.ca','.co.jp','.com.cn','.net.cn',    '.org.cn','.mx','.tv','.ws','.ag','.com.ag','.net.ag',    '.org.ag','.am','.asia','.at','.be','.com.br','.net.br',    '.bz','.com.bz','.net.bz','.cc','.com.co','.net.co',    '.nom.co','.de','.es','.com.es','.nom.es','.org.es',    '.eu','.fm','.fr','.gs','.in','.co.in','.firm.in','.gen.in',    '.ind.in','.net.in','.org.in','.it','.jobs','.jp','.ms',    '.com.mx','.nl','.nu','.co.nz','.net.nz','.org.nz',    '.se','.tc','.tk','.tw','.com.tw','.idv.tw','.org.tw',    '.hk','.co.uk','.me.uk','.org.uk','.vg', ".com.hk")regx = r'[^\.]+('+'|'.join([h.replace('.',r'\.') for h in topHostPostfix])+')$'pattern = re.compile(regx,re.IGNORECASE)print "--"*40for url in urls:    parts = urlparse(url)    host = parts.netloc    m = pattern.search(host)    res =  m.group() if m else host    print "unkonw" if not res else res

運行結果如下:

meiwen.me1000chi.comsee.xidian.edu.cnpython.orggoogle.com.hkunkonwmongodb.orgpython.org127.0.0.1:8000

基本可以接受

urllib來解析網域名稱

import urllibprint "--"*40for url in urls:    proto, rest = urllib.splittype(url)    res, rest = urllib.splithost(rest)    print "unkonw" if not res else res

運行結果如下：

meiwen.me1000chi.comsee.xidian.edu.cndocs.python.orgwww.google.com.hkunkonwapi.mongodb.orgpypi.python.org127.0.0.1:8000

會把www.也帶上，還需要進一步解析才可以

使用第三方模組 tld

from tld import get_tldprint "--"*40for url in urls:    try:        print  get_tld(url)    except Exception as e:        print "unkonw"

運行結果：

meiwen.me1000chi.comxidian.edu.cnpython.orggoogle.com.hkunkonwmongodb.orgpython.orgunkonw

結果都可以接受

其他可以使用的解析模組：

• tld
• tldextract
• publicsuffix

本文出自 “orangleliu筆記本” 部落格，請務必保留此出處http://blog.csdn.net/orangleliu/article/details/39545821

怎解析url的主網域名稱

URL裡第一個出現尾碼（如COM、CN、ORG、NET等）的一段地址，首碼改WWW或WAP就是主網地址，例如wapiknow.baidu.com/...09&qid這段地址裡，wapiknow.baidu.com是次級網域名稱，把baidu前的wapiknow改為WAP或者WWW就是百度的手機或電腦上的主域
 
網域名稱轉寄隱藏、URL解析問題？

到 網域名稱自助解析平台
開啟DNS記錄
直接在網域名稱設定裡URL轉寄，然後隱藏原地址！

URL (URL轉寄)
主機名稱 TTL 方式 URL地址
方式: 0表示隱藏轉寄，1表示不隱藏轉寄