仅从url提取域名，去掉路径（Python）

我一直在尝试从URL列表中提取域名，以便

http://supremecosts.com/contact-us/

将变成

http://supremecosts.com

。我正试图找到一种干净的方法来实现这一点，它将适用于各种GTLD和CCTLD

您可以使用正则表达式提取URL的域和子域

/^(?:https?:\/\/)?(?:[^@\/\n]+@)?(?:www\.)?([^:\/\n]+)/im

我用这样的方式从URL中提取域。 检查这是否适用于您

一个正则表达式，用于解析和分解指向域名、协议和查询的完整URL，如下面的正则表达式

^((http[s]?|ftp):\/)?\/?([^:\/\s]+)((\/\w+)*\/)([\w\-\.]+[^#?\s]+)(.*)?(#[\w\-]+)?$ 

正则表达式的位置是这样的

url: RegExp['$&'],
protocol you are using at RegExp.$2
domain name at RegExp.$3
path at RegExp.$4

---

假设您正在使用

python3

，并且不想将

regex

用于作业

>>> from urllib.parse import urlparse
>>> url = "http://supremecosts.com/contact-us/"
>>> obj = urlparse(url)
>>> obj
ParseResult(scheme='http', netloc='supremecosts.com', path='/contact-us/', params='', query='', fragment='')
>>> obj.geturl()
'http://supremecosts.com/contact-us/'
>>> obj.netloc
'supremecosts.com'

---

您可以像这样使用正则表达式：

import re

text = 'http://supremecosts.com/contact-us/'

m = re.search('(https?:\/\/[^:\/\n]+)', text)
if m:
    print(m.group(1))

---

工作可能是一种愚蠢但有效的方法：

---

将URL保存为字符串并从后向前扫描。一旦你遇到一个句号，就把前面3格的所有东西都扔掉。我相信URL在域名之后没有句号。如果我错了，请纠正我。

请记住一个提示-如果url来自您无法控制的来源，请记住“//supremecosts.com/contact-us/”也是有效的url。（例如没有http/https）回答得很好，干杯，但是如果标准库中有

urlparse

，为什么要使用基于正则表达式的解决方案呢？

urlparse

也可以使用，但在这种情况下，您必须将

方案

和

netloc

合并以获得所需的结果，如：

urlObj.scheme+”：/“+urlObj.netloc

。