使用python

Question

我有一个看起来像这样的数据：

• www.r-computer.com
• www.rscompass.com
• www.italy.it 等等。

我写了一个如下脚本：

data['website']=data['Website address'].str.split('www.').str[1]
data['website']=data['website'].str.split('.com').str[0]

这基本上是首先删除“ www”，然后第二个代码旨在从字符串中删除“ .com”。 我应该为第一个和第二个数据点得到的结果应该是：

• r-计算机
• rscompass

但是我得到的却是“ r”。因此，我认为Python无法解释“。”。作为点，但“ com”之前的任何字符。

我想知道如何删除诸如“ .ru”，“。com”，“。it”等短语。请提供帮助。

Answer 1

import re


def get_domain(s):
    return re.sub("^www\.(.+)\.[^\.]+$", "\\1", s)

print(get_domain("www.r-computer.com"))   # r-computer

（未试） 返回站点名称和.com .org等。如果不匹配，则不返回

import re


def get_domain(s):
    ret = re.findall("^www\.(.+)\.([^\.]+)$", s)
    return ret[0] if ret else (None, None)


# example
a, b = get_domain("www.italy.it")

if a and b:
    print(a)  # italy
    print(b)  # it

Answer 2

对于提供的示例，这将起作用：

import pandas as pd
import os
from openpyxl import load_workbook
from openpyxl import Workbook


path = "mypath"
directory = os.listdir(f'{path}')
files = [f for f in directory if f[-4:] == 'xlsx']
combined = Workbook()
ws = combined.active

for item in files:
    wb = load_workbook(filename = f'{path}/{item}')
    sheet = wb.sheetnames
    data = pd.read_excel(f'{path}/{item}',sheet_name=f'{sheet[0]}')
    data.to_excel(f'{path}/combined.xlsx',sheet_name=f'{sheet[0]}',header=None,index=None)

这是在第一个data['website']=data['website'].split('.')[1] 和第二个{{1}