有时候,我们要从一段很长的 URL 里面提取出域名。例如从
https://www.kingname.info/2020/10/02/copy-from-ssh/,我需要获取的是kingname.info。
可能有人会这样写代码:
- url = 'https://www.kingname.info/2020/10/02/copy-from-ssh/'
- domain = '.'.join(url.split('/')[2].split('.')[1:])
运行效果如下图所示:
但如果我给出的 URL 没有带 https://,这段代码的结果就有问题。
而且,有些域名可能有三级、四级域名,例如:blog.exercise.kingname.com.cn。显然,使用点分割以后,也不知道怎么拿到真正的域名kingname.com.cn。
还有一些人的需求可能只需要域名中的名字,例如kingname.info只要kingname,google.com.hk只要google。
对于这些需求,如果手动写规则来提取的话,会非常麻烦。
不过好在 Python 有一个第三方库已经解决了这个问题,这就是tld。
我们先来安装它:
- python3 -m pip install tld
安装完成以后,我们来看看它的使用方法:
- >>> url = 'https://www.kingname.info/2020/10/02/copy-from-ssh/'
- >>> from tld import get_tld
- >>> result = get_tld(url, as_object=True)
- >>> domain = result.domain
- >>> print(domain)
- kingname
- >>> domain_with_suffix = result.fld
- >>> print(domain_with_suffix)
- kingname.info
首先使用get_tld生成一个对象,然后通过对象的.domain属性获得纯域名,使用.fld属性,获得带有后缀的域名。
运行效果如下图所示:
对于不含https的网址,直接使用会报错,如下图所示:
但只要加上一个参数fix_protocol=True就可以解决问题: