python利用tldextract提取主域名
小老弟在这里抛砖引玉,若有可以优化的点希望大佬不吝赐教,同时也希望帮助到需要此类操作的人
注:列名为URL、读取路径,保存路径自定义、
import pandas as pd
import tldextract
# 读取文件
df = pd.read_excel(r'读取路径.xlsx',index_col=None)#读文件
col_name=df.columns.tolist()#读列名
col_name.append('主域名')#追加一列为主域名
df = df.reindex(columns=col_name)
# 取出域名并处理
Max = df.shape[0]#读取全表行数
n = 0
name = []#为主域名列做准备
while n < Max:
url = df.loc[n,'URL']#用定位法读取每行URL
tld = tldextract.extract(url)#调用tldextract解析URL
main_domain = tld.domain + '.' + tld.suffix#构造主域名
name.append(main_domain)#将主域名追加进name列表
n = n + 1#处理下一个url
df['主域名'] = name#将数据写入主域名列
df.to_excel(r'保存路径.xlsx')#保存
print('执行结束')