Question

假设我有一个格式为host:port的字符串，其中:port是可选的。如何可靠地提取这两个组件？

主持人可以是以下任何一个：

主机名（localhost，www.google.com）
IPv4文字（1.2.3.4）
IPv6文字（[aaaa:bbbb::cccc]）。

换句话说，这是互联网上使用的标准格式（例如在URI中：https://tools.ietf.org/html/rfc3986#section-3.2处的完整语法，不包括＆＃34;用户信息＆＃34;组件）。

因此，一些可能的输入和所需的输出：

'localhost' -> ('localhost', None)
'my-example.com:1234' -> ('my-example.com', 1234)
'1.2.3.4' -> ('1.2.3.4', None)
'[0abc:1def::1234]' -> ('[0abc:1def::1234]', None)

Answer 1

这应该在一个正则表达式中处理整个解析

regex = re.compile(r'''
(                            # first capture group = Addr
  \[                         # literal open bracket                       IPv6
    [:a-fA-F0-9]+            # one or more of these characters
  \]                         # literal close bracket
  |                          # ALTERNATELY
  (?:                        #                                            IPv4
    \d{1,3}\.                # one to three digits followed by a period
  ){3}                       # ...repeated three times
  \d{1,3}                    # followed by one to three digits
  |                          # ALTERNATELY
  [-a-zA-Z0-9.]+              # one or more hostname chars ([-\w\d\.])      Hostname
)                            # end first capture group
(?:                          
  :                          # a literal :
  (                          # second capture group = PORT
    \d+                      # one or more digits
  )                          # end second capture group
 )?                          # ...or not.''', re.X)

然后需要的是将第二组转换为int。

def parse_hostport(hp):
    # regex from above should be defined here.
    m = regex.match(hp)
    addr, port = m.group(1, 2)
    try:
        return (addr, int(port))
    except TypeError:
        # port is None
        return (addr, None)

Answer 2

到目前为止，这是我的尝试：

def parse_hostport(hp):
    """ parse a host:port pair
    """
    # start by special-casing the ipv6 literal case
    x = re.match('^(\[[0-9a-fA-F:]+\])(:(\d+))?$', hp)
    if x is not None:
        return x.group(1, 3)

    # otherwise, just split at the (hopefully only) colon
    splits = hp.split(':')

    if len(splits) == 1:
        return splits + [None,]
    elif len(splits) == 2:
        return splits

    raise ValueError("Invalid host:port input '%s'" % hp)

Answer 3

这是一个terser实现，它依赖于尝试将最后一个组件解析为int：

def parse_hostport(s):
    out = s.rsplit(":", 1)
    try:
        out[1] = int(out[1])
    except (IndexError, ValueError):
        # couldn't parse the last component as a port, so let's
        # assume there isn't a port.
        out = (s, None)
    return out

Answer 4

def split_host_port(string):
    if not string.rsplit(':', 1)[-1].isdigit():
        return (string, None)

    string = string.rsplit(':', 1)

    host = string[0]  # 1st index is always host
    port = int(string[1])

    return (host, port)

实际上对这是否是你想要的东西感到困惑，但我把它重写了一点，它似乎仍然遵循理想的输出：

>>>> split_host_port("localhost")
('localhost', None)
>>>> split_host_port("example.com:1234")
('example.com', 1234)
>>>> split_host_port("1.2.3.4")
('1.2.3.4', None)
>>>> split_host_port("[0abc:1def::1234]")
('[0abc:1def::1234]', None)
>>>>

在第一行我不太喜欢链式函数调用，例如getattr(getattr(getattr(string, 'rsplit')(':', 1), '__getitem__')(-1), 'isdigit')()对于扩展版本然后再重复两行，也许我应该把它变成一个变量，这样就不需要所有的调用了。

但是我在这里挑剔，所以请随时打电话给我，嘿。

Answer 5

这是我的最后一次尝试，并为其他提供灵感的回答者提供了信誉：

def parse_hostport(s, default_port=None):
    if s[-1] == ']':
        # ipv6 literal (with no port)
        return (s, default_port)

    out = s.rsplit(":", 1)
    if len(out) == 1:
        # No port
        port = default_port
    else:
        try:
            port = int(out[1])
        except ValueError:
            raise ValueError("Invalid host:port '%s'" % s)

    return (out[0], port)

Answer 6

好吧，这是Python，附带电池。您已经提到，格式是URI中使用的标准格式，那么urllib.parse呢？

import urllib.parse

def parse_hostport(hp):
    # urlparse() and urlsplit() insists on absolute URLs starting with "//"
    result = urllib.parse.urlsplit('//' + hp)
    return result.hostname, result.port

这应该处理您可以扔给它的任何有效host:port。

如何在Python中解析host：port对

6 个答案: