如何删除“www”。从原始 URL 通过 python 中的 [urllib] 解析？

Question

原始网址 ▶ https://www.exeam.org/index.html

我想从原始 URL 中提取 exeam.org/ 或 exeam.org。

为此，我使用了

urllib

我所知道的 Python 中最强大的解析器， 但不幸的是

urllib

(

url.scheme

,

url.netloc

...) 无法给我我想要的格式类型。

Answer 1

使用 `urllib) 从 url 中提取域名：

from urllib.parse import urlparse
surl = "https://www.exam.org/index.html"
urlparsed = urlparse(surl)
# network location from parsed url
print(urlparsed.netloc)
# ParseResult Object
print(urlparsed)

这将为您提供

www.exam.org

，但如果您只需要

exam.org

部分，则需要将其进一步分解为注册域。因此，除了进行简单的分割（这可能就足够了）之外，您还可以使用诸如

tldextract

之类的库，它知道如何解析子域名、后缀等：

from  tldextract import extract

ext = extract(surl)
print(ext.registered_domain)

这将产生：

exam.org

Answer 2

您可以使用它而无需使用任何额外的库：

from urllib.parse import urlsplit

def domain_name(url):
    domain = urlsplit(url).netloc
    return domain.split('www.')[1] if domain.startswith('www.') else domain