Python 检查url是否与网站相关

我有来自不同网站的URL的大数据框架。我想检查它是相对于哪个网站。定义网站的特征是从额外信息中清除其根url（例如，

http://www.agpu.net/

根url将是

agpu.net

因此，主要目标是找到给定url与哪个根相关http://www.mordgpi.ru/应获取标记

mordgpi.ru

，但不应获取

gpi.ru

。此外，这不应仅适用于根网页url，例如

https://www.mordgpi.ru/our-life/news/46/55116/

URL的数据集如下所示：

url
---------------------
http://pnu.edu.ru/ru/
https://www.dvfu.ru/
http://donstu.ru/
http://www.elsu.ru/
http://ivgpu.com/
http://ivanovo.ac.ru/
http://www.isuct.ru/  

对于根：

root
-------------
pnu.edu.ru/ru
dvfu.ru
donstu.ru
elsu.ru
ivgpu.com
ivanovo.ac.ru
isuct.ru

对于给定的url，我尝试按以下方式获取根目录，但效果不好：

root = roots['root'].str.lower().apply(lambda x: x in url).to_frame()
root = root[root.root]

---

我可以通过regexp或其他方式实现这一点吗？感谢您提供的帮助，您可以在python 2.7中使用

urlparse

，或者在python 3+中使用

urllib.urlparse

，以实现以下目的：

from urllib import parse
split = parse.urlsplit(url)
netloc = split.netloc
path = split.path
if netloc.startswith('www.'):
    netloc = netloc[4:]
print(netloc + path.rstrip('/'))

通过所有测试用例

---

我之所以使用

urllib

，是因为当您有长查询字符串和高级url格式（包括端口等）时，regex可能很难看。我让

urllib

来处理它，这样你就可以很容易地获取

netloc

和

路径

这个站点pnu.edu.ru/ru似乎与其他站点有不同的结构，因为它的末尾有额外的'/ru'，所以它将遵循一个单独的约定？@Turo我想对于

\u root\uu

应该有一些ru像http（s）：/（www.）\u root（/）（\u smth\u else）->

\u root\u

我只想注意，在第一个示例中，你称之为root的结构与剩下的6个不同。因此，这将是两种不同的正则表达式方法。对于像

ac.ru

这样的TLD，只有当你有一个al列表时，才没有规则使用文本处理工具来区分第一部分和域名降低TLD。