python3 提取url中域名部分_python实现切割url得到域名、协议、主机名等各个字段...

有一个需求就是需要对url进行进一步的划分得到详细的各个字段信息，下面是简单的实现：

#!/usr/bin/python# -*- coding: UTF-8 -*-'''__Author__:沂水寒城功能: 对URL进行分割，基于urlparse, publicsuffix, urllib编写'''from urlparse import urlparseimport codecsfrom publicsuffix import PublicSuffixListfrom urllib import splitportimport re  def domain_split(server_domain): ''' server_domain为网站所用服务名+域名 分割域名, 得到前缀(服务名)、主机域名、后缀(顶级域名) 输入www.baidu.com，输出'www', 'baidu', 'com' 输入172.31.137.240，输出'', '172.31.137.240', '' ''' PSL_FILE = codecs.open('public_suffix_list.dat', encoding='utf8') psl = PublicSuffixList(PSL_FILE) domain = psl.get_public_suffix(server_domain) # 取域名的第一个字段，即第一个'.'之前的为主机域名, 后面为顶级域名，前面为所使用的服务 if '.' in domain: server = server_domain[:-len(domain)] host = domain[:domain.index('.')] top = domain[domain.index('.'):] hostname = server + host + top else: # 说明提取域名失败，例如172.31.137.240等IP形式，此时全部当作主机域名 server = '' host = server_domain top = '' hostname = server_domain return server, host, top, hostname  def url_split_new(url): ''' url分割 ''' if not url.startswith('http'): # 补全协议，否则urlparse出错 url = 'http://' + url parts = urlparse(url) # 服务+域名'www.baidu.api.com.cn'切分 server, host, top, hostname = domain_split(parts.netloc) host, port = splitport(host) if port == None: port = '' return {'protocol': parts.scheme, 'hostname': hostname, 'path': parts.path}  if __name__ == '__main__': print url_split_new('http://www.baidu.com/') print url_split('http://www.baidu.com/')