python实现切割url得到域名、协议、主机名等各个字段的例子

Python  /  管理员 发布于 7年前   218

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/')

以上这篇python实现切割url得到域名、协议、主机名等各个字段的例子就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。