从字符串中获取域？-python

我需要帮助。如何从字符串中获取域

例如：“嗨，我是夏目漱石，看看我的网站”

我怎样才能得到mysite.com呢

输出示例：

（如果输入了http）

www.mysite.com（如果未输入http）

---

mysite.com（如果未输入http和www）

那么。。。你需要一些方法来定义你认为是有“领域”的东西。一种方法可能是查找URL匹配的正则表达式，并将其应用于字符串。如果成功，您至少知道字符串包含一个URL，并且可以继续解释URL以查找主机名，然后从中提取域（可能）。

嗯。。。你需要一些方法来定义你认为是有“领域”的东西。一种方法可能是查找URL匹配的正则表达式，并将其应用于字符串。如果成功，您至少知道字符串包含一个URL，并且可以继续解释URL以查找主机名，然后从中提取域（可能）。

myString=“Hi im Natsume，请查看我的网站http://www.mysite.com/"
>>>a=重新搜索（（？Phttps？：//[^\s]+）”，myString）或重新搜索（（？Pwww[^\s]+）”，myString）
>>>a.group（“url”）
'http://www.mysite.com/'
>>>myString=“你好，我是夏目漱石，请访问我的网站www.mysite.com/”
>>>a=重新搜索（（？Phttps？：//[^\s]+）”，myString）或重新搜索（（？Pwww[^\s]+）”，myString）
>>>a.group（“url”）
“www.mysite.com/”

myString=“你好，我是夏目漱石，请查看我的网站http://www.mysite.com/"
>>>a=重新搜索（（？Phttps？：//[^\s]+）”，myString）或重新搜索（（？Pwww[^\s]+）”，myString）
>>>a.group（“url”）
'http://www.mysite.com/'
>>>myString=“你好，我是夏目漱石，请访问我的网站www.mysite.com/”
>>>a=重新搜索（（？Phttps？：//[^\s]+）”，myString）或重新搜索（（？Pwww[^\s]+）”，myString）
>>>a.group（“url”）
“www.mysite.com/”

如果所有站点的格式都相同，您可以使用这样的regexp（在这种特定情况下可以使用）：

---

但是，您需要一个更复杂的regexp来解析任意url并提取域名

如果所有站点的格式都相同，您可以使用这样的regexp（在这种特定情况下可以使用）：

---

但是，您需要一个更复杂的regexp来解析任意url并提取域名

如果要使用正则表达式，一种方法是-

>>> s = "Hi im Natsume, check out my site http://www.mysite.com/"
>>> re.findall(r'http\:\/\/www\.([a-zA-Z0-9\.-_]*)\/', s)
['mysite.com']

---

…考虑到url以“/”结尾

如果要使用正则表达式，一种方法是-

>>> s = "Hi im Natsume, check out my site http://www.mysite.com/"
>>> re.findall(r'http\:\/\/www\.([a-zA-Z0-9\.-_]*)\/', s)
['mysite.com']

s= "Hi im Natsume, check out my site http://www.mysite.com/"
start=s.find("http://") if s.find("http://")!=-1 else s.find("https://")+1
t = s[start+11:s.find(" ",start+11)]
print(t)

…考虑url以“/”结尾

s= "Hi im Natsume, check out my site http://www.mysite.com/"
start=s.find("http://") if s.find("http://")!=-1 else s.find("https://")+1
t = s[start+11:s.find(" ",start+11)]
print(t)

输出：

mysite.com

输出：

---

mysite.com

最好的方法是使用正则表达式提取URL。然后使用

tldextract

从URL获取有效域名

import re
import tldextract

text = "Hi im Natsume, check out my site http://www.example.com/"
urls = re.findall('http[s]?://(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*\(\),]|(?:%[0-9a-fA-F][0-9a-fA-F]))+', text)
found_url = urls[0]
info = tldextract.extract(found_url)
domain_name = info.domain
suffix_name = info.suffix
final_domain_name  = domain_name+"."+suffix_name
print(final_domain_name)

---

最好的方法是使用正则表达式来提取URL。然后使用

tldextract

从URL获取有效域名

import re
import tldextract

text = "Hi im Natsume, check out my site http://www.example.com/"
urls = re.findall('http[s]?://(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*\(\),]|(?:%[0-9a-fA-F][0-9a-fA-F]))+', text)
found_url = urls[0]
info = tldextract.extract(found_url)
domain_name = info.domain
suffix_name = info.suffix
final_domain_name  = domain_name+"."+suffix_name
print(final_domain_name)

---

---

看看你试过什么？您是否考虑过在字符串中搜索某些定义特征？看看您尝试了什么？你有没有想过在字符串中搜索某些定义特征？啊，我有点喜欢你的代码。但是，如果用户没有进入http://或www，如何获取域呢？在这种情况下，您只需执行-

>>s=“Hi im Natsume，查看我的网站mysite.com”>>[t for t In s.split（）if.com'In t][mysite.com']

我修改的正则表达式->raw=re.findall（r'（[a-zA-Z0-9\.]*）（[a-zA-Z0-9\/]），url），IM Tyrn:如果HTTP://WWW被输入或不输入，则URGE是找到域的，并且URL是在开始、结束或在StangaHh的中间，我喜欢您的代码一点。但是，如果用户没有进入http://或www，如何获取域呢？在这种情况下，您只需执行-

>>s=“Hi im Natsume，查看我的网站mysite.com”>>[t for t In s.split（）if.com'In t][mysite.com']

我修改的正则表达式->raw=re.findall（r'（[a-zA-Z0-9\.]*）（[a-zA-Z0-9\/]），url），IM TyRun使ReGEX找到域名如果http://WWW输入或不，URL是在开始，结束，或在中间的斯特林戈现在我如何获得URL，如果用户没有进入HTTP？我的意思是它可以接受是否输入http，以及是否输入wwweither@Nastume使用re.search（（？Pwww[^\s]+），myString.group（“url”）hmm如果用户没有输入http或www，它仍然无法接受：（@nastum可以为您的案例提供一个示例输入和输出到目前为止，我只能执行此re.search（？P（https？| www）[^\s]+）”，a）.组（“url”）但如果未输入http或www仍无法接受现在我知道如果用户未输入http，如何获取url？我的意思是，无论是否输入http，以及是否输入www，它都可以接受either@Nastume使用re.search（（？Pwww[^\s]+）、myString.group（“url”）嗯，如果用户没有输入http或www，它仍然无法接受：（@nastum可以给我一个您案例的输入和输出示例。到目前为止，我只能做这个重新搜索（（？P（https？| www）[^\s]+）”，a）。组（“url”），但如果http或www没有输入，它仍然无法接受。如果域的结构是这样的，my-web-site.com（\w+）只找到“site”如果域有这样的结构，my-web-site.com（\w+）只查找“site”@用户_3pij检查我制作的MOD。URL以大写字母显示，而不是突出显示，因为在本例中它不是一个方法或代码。一旦你看到他们标记此注释以删除。@用户_3pij检查我制作的MOD。URL以大写字母显示，而不是突出显示，因为在本例中它不是一个方法或代码。一旦你看到他们标记此注释，则或移除。