使用Python从URL获取子域

例如，地址是：

地址=

我想把子域保存到一个变量中，这样我就可以这样做了

print SubAddr
>> lol1

---

一个非常基本的方法，没有任何健全性检查，可能看起来像：

address = 'http://lol1.domain.com:8888/some/page'

host = address.partition('://')[2]
sub_addr = host.partition('.')[0]

print sub_addr

当然，这是假设当你说“子域”时，你是指主机名的第一部分，因此在以下情况下，“www”将是子域：

---

这就是你的意思吗？

为了提取主机名，我将使用urllib2中的URLPASSE：

>>> from urllib2 import urlparse
>>> a = "http://lol1.domain.com:8888/some/page"
>>> urlparse.urlparse(a).hostname
'lol1.domain.com'

至于如何提取子域，您需要考虑FQDN可能更长的情况。你如何做到这一点取决于你的目的。我可能建议剥离最右边的两个组件

例如

---

urlparse.urlparse

将URL拆分为协议、位置、端口等。然后您可以通过

拆分位置以获取子域

url = urlparse.urlparse(address)
subdomain = url.hostname.split('.')[0]

---

您需要的是：

例如：

“.join（urlparse（“）http://www.my.cwi.nl:80/%7Eguido/Python.html.netloc.split（“.”[：-2]）

---

将为您完成这项工作（将返回“www.my”）

此处是奇妙答案的修改版本：

您将需要来自的有效TLD列表

给你：

Domain: example Subdomains: ['sub2', 'sub1'] TLD: co.uk

Extracted domain name :  domain

域：示例 子域：['sub2'，'sub1'] TLD:co.uk 软件包使这项任务变得非常简单，如果您需要任何进一步的信息，您可以按照建议使用urlparse：

>> import tldextract
>> tldextract.extract("http://lol1.domain.com:8888/some/page"
ExtractResult(subdomain='lol1', domain='domain', suffix='com')
>> tldextract.extract("http://sub.lol1.domain.com:8888/some/page"
ExtractResult(subdomain='sub.lol1', domain='domain', suffix='com')
>> urlparse.urlparse("http://sub.lol1.domain.com:8888/some/page")
ParseResult(scheme='http', netloc='sub.lol1.domain.com:8888', path='/some/page', params='', query='', fragment='')

请注意，tldextract正确地处理子域。

我们可以使用它来解决此问题

这很容易

>>> ext = tldextract.extract('http://forums.bbc.co.uk')
>>> (ext.subdomain, ext.domain, ext.suffix)
('forums', 'bbc', 'co.uk')

将TLD与URL的注册域和子域分开

装置

pip install tldextract

关于当前问题：

import tldextract

address = 'http://lol1.domain.com:8888/some/page'
domain = tldextract.extract(address).domain
print("Extracted domain name : ", domain)

输出：

Domain: example Subdomains: ['sub2', 'sub1'] TLD: co.uk

Extracted domain name :  domain

此外，还有许多示例与tldextract.extract side的使用极为相关。

首先导入tldextract，因为这将URL拆分为其组成部分，如：子域。域和后缀

然后声明一个存储查询结果的变量（比如ext）。我们还必须在括号中用双引号提供URL。如下图所示：

ext = tldextract.extract("http://lol1.domain.com:8888/some/page")

如果我们只是尝试运行ext变量，输出将是：

ExtractResult(subdomain='lol1', domain='domain', suffix='com')

'lol1'

'domain'

'com'

'lol1'

然后，如果您只想使用子域、域或后缀，则分别使用以下任意代码

ext.subdomain

结果将是：

ExtractResult(subdomain='lol1', domain='domain', suffix='com')

'lol1'

'domain'

'com'

'lol1'

结果将是：

ExtractResult(subdomain='lol1', domain='domain', suffix='com')

'lol1'

'domain'

'com'

'lol1'

结果将是：

ExtractResult(subdomain='lol1', domain='domain', suffix='com')

'lol1'

'domain'

'com'

'lol1'

此外，如果只想在变量中存储子域的结果，请使用以下代码：

Sub_Domain = ext.subdomain

然后打印Sub_域

Sub_Domain

结果将是：

ExtractResult(subdomain='lol1', domain='domain', suffix='com')

'lol1'

'domain'

'com'

'lol1'

---

这些问题应该很有用：这假设主域名有两个部分——在某些情况下，这两个部分会下降，例如

.co.uk

地址。除了英国，以色列、巴西和日本都有正式的二级域名，可能还有其他域名。我的答案是使用有效的TLD列表来解决这个问题。效果非常好。我像这样使用Node=urlparse.urlparse（address.hostname.split（'..'）[0]如果它是一个IP地址呢？如果它有一个二级子域呢？子域可能包含多个点，因此

api。test

也是有效的，请记住这一点。如果您想要一个好的包来完成此操作，请检查

https://pypi.python.org/pypi/tldextract

。这实际上是一个非常糟糕的答案。如果没有子域，它将失败，而返回该域。它对IP地址失败（ok，很好），对多个子域失败，如

web.host1.google.com

。同意上面所说的。它只在特定的情况下才有效。这应该是答案。谢谢。很好的答案，应该被选为最佳答案：）谢谢更新链接到“有效TLD列表”：，