如何使用python标记域和子域？

我正在处理url数据，我无法使用python将url分类为域和子域

我正在尝试正则表达式来提取域，但我不知道如何将它返回到真或假子域

比如说

a = ['facebook.com', 'profile.facebook.com']

我希望结果是

[False, True]

---

你需要决定你想对域名施加多大的限制，其余的 可能看起来像：

>>> import re
>>> a = re.compile('[0-9a-z\.]*\.[0-9a-z]*\.com')
>>> bool(a.match('facebook.com'))
False
>>> bool(a.match('sub.facebook.com'))
True

---

在这里，我假设域将使用

.com

，但您可以很容易地更改它。

如果我有两个级别的子域，例如apps.cs.ipb.com，而顶级域是不同的（不仅仅是.com）？您可以检查自己，如果您将

sub.sub.domain.com

放入，此正则表达式仍将返回

True

。要支持其他顶级域名，您可以将

com

替换为

（com | net | org）

。怎么样？它被归类为域。我将正则表达式更改为（'[0-9a-z:/-0-9a-z\.]*\.[0-9a-z]*\.（com | net | org | id | co.id'），因为url前面有http。但是也许我的正则表达式是错误的，你需要支持dash的唯一添加是

\-

所以

'[0-9a-z\.-]*.[0-9a-z]*.[com | net'）

将在这个域中工作，或者如果你希望在主域

'[0-9a-z\.-]*.[0-9a-z\-]*.[com | net'）

这个正则表达式将匹配许多无效的域名。它也将无法匹配许多有效的域名，比如带有连字符的域名。你的问题太广泛了。如果您没有指定您在所有通用情况下使用的特定域名，那么您不能仅使用正则表达式将其拆分为域/子域，您需要类似于公共后缀列表的内容。否则，对于

minefi.gouv.fr

，域/子域是什么？对于

www.dk

？这是两个简单正则表达式失败的有效例子。