Question

我可以获得以下任何格式的字符串：

url：例如http://www.acme.com:456
字符串：例如www.acme.com:456,www.acme.com 456，或www.acme.com

我想提取主机，如果有端口。如果端口值不存在，我希望它默认为80。

我尝试了urlparse，它适用于网址，但不适用于其他格式。例如，当我在hostname：port上使用urlparse时，它将主机名放在scheme而不是netloc中。

我很满意使用urlparse和正则表达式的解决方案，或者可以处理这两种格式的单个正则表达式。

Answer 1

您可以使用urlparse从URL字符串中获取主机名：

from urlparse import urlparse
print urlparse("http://www.website.com/abc/xyz.html").hostname # prints www.website.com

Answer 2

失败的原因：

www.acme.com 456

是因为它不是有效的URI。你为什么不这样做：

用:
使用标准urlparse方法

尽可能多地尝试使用默认功能，尤其是在解析像URI这样的知名格式时。

Answer 3

>>> from urlparse import urlparse   
>>> aaa = urlparse('http://www.acme.com:456')

>>> aaa.hostname  
'www.acme.com'

>>> aaa.port   
456
>>>

Answer 4

我对urlparse并不熟悉，但使用正则表达式你会做类似的事情：

p = '(?:http.*://)?(?P<host>[^:/ ]+).?(?P<port>[0-9]*).*'

m = re.search(p,'http://www.abc.com:123/test')
m.group('host') # 'www.abc.com'
m.group('port') # '123'

或者，没有端口：

m = re.search(p,'http://www.abc.com/test')
m.group('host') # 'www.abc.com'
m.group('port') # '' i.e. you'll have to treat this as '80'

编辑：修复正则表达式也匹配'www.abc.com 123'

Answer 5

使用 urllib -

的方法

    from urllib.parse import urlparse
    url = 'https://stackoverflow.com/questions'
    print(urlparse(url))

输出-

ParseResult（scheme ='https'， netloc ='stackoverflow.com'， path ='/ questions'，params =''，query =''，fragment =“''）

参考-https://www.tutorialspoint.com/urllib-parse-parse-urls-into-components-in-python

从字符串或url解析主机名和端口

5 个答案: