Python实现从url中提取域名的几种方法

下面是我的完整回答.

提取url中的域名是一个常见的需求.在Python中,可以使用多种方法来实现这一目标.

方法一：使用Python内置库

Python内置了一个urllib.parse库,它可以帮助我们解析url中的各个部分.

我们只需要使用urlsplit函数来将url分解成几个部分,然后从中提取出域名即可.代码如下：

from urllib.parse import urlsplit

url = "https://www.baidu.com"
domain = urlsplit(url).hostname
print(domain)  # baidu.com

方法二：使用正则表达式

正则表达式是一种强大的字符串匹配工具,可以用来匹配特定模式的字符串,所以呢也可以用来提取url中的域名.

常见的域名有一些特征,比如全是英文字母、数字和点号组成,而且其中含有一个或多个点号.我们可以利用这些特征来编写正则表达式.代码如下：

import re

url = "https://www.baidu.com"
domain = re.search("[a-zA-Z0-9]+\.[a-zA-Z0-9]+", url).group()
print(domain)  # baidu.com

方法三：使用第三方库

Python中有一些第三方库可以帮助我们提取url中的域名.其中比较常用的是tldextract库.

tldextract库可以自动识别出url中的顶级域名（TLD）,包括域名和子域名在内的所有部分.代码如下：

import tldextract

url = "https://www.baidu.com"
domain = tldextract.extract(url).registered_domain
print(domain)  # baidu.com

示例一：从url中提取一级域名

以上三种方法都可以提取url中的域名,但有时候我们只需要提取一级域名,即顶级域名的一级子域名.

使用方法一和方法三需要些许修改,使用方法一需要用rslipt函数切片分割域名,第三种方法需要使用subdomain属性.

方法一（修改后）：

from urllib.parse import urlsplit

url = "https://www.baidu.com"
domain = urlsplit(url).hostname
first_level_domain = '.'.join(domain.split('.')[-2:])
print(first_level_domain)  # baidu.com

方法三（修改后）：

import tldextract

url = "https://www.baidu.com"
domain = tldextract.extract(url)
first_level_domain = '.'.join([domain.domain, domain.suffix])  # 构建一级域名
print(first_level_domain)  # baidu.com

示例二：提取url中的子域名

有时候我们还需要提取url中的子域名.我们可以使用方法三中的subdomain属性来实现.代码如下：

import tldextract

url = "https://www.news.baidu.com"
domain = tldextract.extract(url)
subdomain = domain.subdomain
print(subdomain)  # news