带状URL - Python

Question

好的我如何使用正则表达式删除http AND / OR www只是为了 http://www.domain.com/ 进入 domain.com

假设x为任何类型的TLD或cTLD

输入示例：

http://www.domain.x/

www.domain.x

输出：

domain.x

Answer 1

不要使用正则表达式，使用urlparse获取netloc

>>> x = 'http://www.domain.com/'
>>> from urlparse import urlparse
>>> o = urlparse(x)
>>> o
ParseResult(scheme='http', netloc='www.domain.com', path='/', params='', query='', fragment='')
>>> 

然后

>>> o.netloc
'www.domain.com'
>>> if o.netloc.startswith('www.'): print o.netloc[4:]
... 
domain.com
>>> 

Answer 2

如果你真的想使用正则表达式而不是urlparse()或者拆分字符串：

>>> domain = 'http://www.example.com/'
>>> re.match(r'(?:\w*://)?(?:.*\.)?([a-zA-Z-1-9]*\.[a-zA-Z]{1,}).*', domain).groups()[0]
example.com

正则表达式可能有点简单，但有效。它也没有取代，但我认为让域名更容易。

要支持“co.uk”等域名，可以执行以下操作：

>>> p = re.compile(r'(?:\w*://)?(?:.*?\.)?(?:([a-zA-Z-1-9]*)\.)?([a-zA-Z-1-9]*\.[a-zA-Z]{1,}).*')
>>> p.match(domain).groups()

（'google'，'co.uk'）

所以你必须检查像'co.uk'这样的域的结果，并在这种情况下再次加入结果。普通域应该可以正常工作。当你有多个子域时，我无法使它工作。

没有正则表达式或花哨模块的单行：

>>> domain = 'http://www.example.com/'
>>> '.'.join(domain.replace('http://','').split('/')[0].split('.')[-2:])

Answer 3

以下是其中一种方法：

    >>>import re
    >>>str1 = 'http://www.domain.x/'
    >>>p1 = re.compile('http://www.|/')
    >>>out = p1.sub('',str1)