从URL python中删除HTTP和WWW

如何在Python中从url中剥离

http

和

www

？

您可以使用

regex

url1='www.google.com'
url2='http://www.google.com'
url3='http://google.com'
url4='www.google'
url5='http://www.google.com/images'
url6='https://www.youtube.com/watch?v=6RB89BOxaYY

或者您可以使用

正则表达式

url = 'http://www.google.com/images'
url = url.replace("http://www.","")
print url

---

可以使用正则表达式，具体取决于数据的严格程度。http和www会一直存在吗？您是否考虑过https或w3站点

import re
url = re.compile(r"https?://(www\.)?")
url.sub('', 'http://www.google.com/images').strip().strip('/')

1不损害以w结尾的网站

澄清后编辑

我要做两个步骤：

import re
new_url = re.sub('.*w\.', '', url, 1)

---

更优雅的解决方案是使用urlparse：

if url.startswith('http'):
    url = re.sub(r'https?:\\', '', url)
if url.startswith('www.'):
    url = re.sub(r'www.', '', url)

---

第一个选项包括

https

或

http

，具体取决于链接，第二部分

netloc

包括您要查找的内容。

“http://www.google.com/images“[11::

那么您希望输出什么呢？后面的元素是参数（也称为

查询

）-uparse可以将其保存在单独的变量中。我希望输出没有http（s），wwwhttp将始终存在。www可能是也可能不是。有时它也可能是https？在这种情况下，我应该如何修改上面的代码来删除https？如果url.startswith（'http'）：new_url=re.sub（'.*w\，''，url，1）如果我也想删除https，我的第二个答案适合您的任何要求

from urllib.parse import urlparse

def get_hostname(url, uri_type='both'):
    """Get the host name from the url"""
    parsed_uri = urlparse(url)
    if uri_type == 'both':
        return '{uri.scheme}://{uri.netloc}/'.format(uri=parsed_uri)
    elif uri_type == 'netloc_only':
        return '{uri.netloc}'.format(uri=parsed_uri)