如何从URL中提取顶级域名（TLD）

Question

如何从URL中提取域名，不包括任何子域？

我最初的简单化尝试是：

'.'.join(urlparse.urlparse(url).netloc.split('.')[-2:])

这适用于http://www.foo.com，但不适用于http://www.foo.com.au。 有没有一种方法可以在不使用关于有效tld（顶级域）或国家代码（因为它们会改变）的专门知识的情况下正确地做到这一点。

谢谢

Answer 1

下面是一个很好的python模块，有人在看到这个问题后编写了这个模块来解决这个问题： https://github.com/john-kurkowski/tldextract

模块在Public Suffix List中查找tld，由Mozilla志愿者覆盖

引用：

tldextract on the other hand knows what all gTLDs [Generic Top-Level Domains] and ccTLDs [Country Code Top-Level Domains] look like by looking up the currently living ones according to the Public Suffix List. So, given a URL, it knows its subdomain from its domain, and its domain from its country code.