python实现切割url得到域名、协议

• 2020 年 1 月 7 日
• 筆記

    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 urlparse  import codecs  from publicsuffix import PublicSuffixList  from urllib import splitport  import 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/')