解析主機名和端口從字符串或URL

我可以在任何這些格式被賦予的字符串：解析主機名和端口從字符串或URL

網址：例如http://www.acme.com:456
字符串：例如www.acme.com:456， www.acme.com 456或www.acme.com

我想提取主機，如果出現一個端口。如果端口值不存在，我希望它默認爲80.

我試過urlparse，它可以正常工作，但不適用於其他格式。例如，當我在主機名：端口上使用urlparse時，它將主機名放在方案中而不是netloc中。

我會很高興與一個解決方案，使用urlparse和正則表達式，或單個正則表達式可以處理這兩種格式。

來源

2012-03-02 TonyM

什麼是正則表達式你試過嗎？如果不是正則表達式，你寫的代碼是什麼？ – 2012-03-02 10:06:27

我沒那麼熟悉裏urlparse，但使用正則表達式你會做這樣的事情：

p = '(?:http.*://)?(?P<host>[^:/ ]+).?(?P<port>[0-9]*).*' 

m = re.search(p,'http://www.abc.com:123/test') 
m.group('host') # 'www.abc.com' 
m.group('port') # '123'

或者，沒有端口：

m = re.search(p,'http://www.abc.com/test') 
m.group('host') # 'www.abc.com' 
m.group('port') # '' i.e. you'll have to treat this as '80'

編輯：固定的正則表達式也匹配' www.abc.com 123'

來源

2012-03-02 09:54:42 claesv

謝謝，這看起來非常有用。 – TonyM 2012-03-02 10:11:46

我假設倒票是因爲這個解決方案過於複雜。我接受這一點，並同意@ntziolis說，你應該儘可能使用標準功能。 – claesv 2014-02-17 10:11:06

標準urlparse不會用於字符串（不是以http（s）或//開頭），所以這個解決方案似乎很有幫助。爲什麼downvote沒有解釋。 – 2017-01-24 23:29:33

失敗對於其原因是：

www.acme.com 456

是因爲它不是一個有效的URI。你爲什麼不只是：

與:
更換的空間使用標準urlparse方法

嘗試解析生成的字符串，並使用默認的功能儘可能地，尤其是當涉及諸如URI之類的很好解析格式時。

來源

2012-03-02 09:56:02 ntziolis

當我在主機：端口上使用urlparse時，它將主機名放在方案中而不是netloc中。 – TonyM 2012-03-02 10:06:45

在手冊中：「遵循RFC 1808中的語法規範，urlparse只有在正確引入'//'時才能識別netloc。否則，輸入被假定爲相對URL，因此以路徑組件開頭。 – ntziolis 2012-03-02 10:12:09

爲了解決這個問題，只需在解析之前用''''或'http：//'作爲前綴即可。 – ntziolis 2012-03-02 10:13:25

可以使用向裏urlparse從URL字符串得到主機名：

from urlparse import urlparse 
print urlparse("http://www.website.com/abc/xyz.html").hostname # prints www.website.com

來源

2013-07-21 07:17:21

>>> from urlparse import urlparse 
>>> aaa = urlparse('http://www.acme.com:456') 

>>> aaa.hostname 
'www.acme.com' 

>>> aaa.port 
456 
>>>

來源

2015-01-07 21:26:16 dfostic

解析主機名和端口從字符串或URL

回答

相關問題