解析主机名和端口从字符串或u

Question

我可以得到以下任何格式的字符串：

• 网址：例如http://www.acme.com:456

• 字符串：例如www.acme.com:456、www.acme.com 456或www.acme.com

我想提取主机，如果存在端口。如果端口值不存在，我希望它默认为80。

我试过urlparse，它对url很好，但对另一种格式不行。例如，当我在hostname:port上使用urlparse时，它会将主机名放在方案中，而不是放在netloc中。

我很高兴有一个使用urlparse和regex的解决方案，或者一个可以同时处理这两种格式的regex。

Answer 1

我对urlparse不太熟悉，但使用regex，您可以执行以下操作：

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，没有端口：

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'

编辑：修复了regex，使其也与“www.abc.com 123”匹配

Answer 2

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

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

>>> aaa.port   
456
>>> 

Answer 3

您可以使用urlparse从URL字符串获取主机名：

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