拆分要检查的字符串>列表

Question

我已经潜伏了几个星期，决定加入进来，以便更多地亲身体验Python的学习。在

我要做的是获取一个字符串，包含多个web地址，然后列出一个包含所有地址的列表，域名为2-4个字符。假设的地址并不是全部简单网站类型，它们可能包含多个句点。下面是我要转换的示例字符串：

urlstring = 'albatross.org,boogaloo.boolean.net,zenoparadox.hercules.gr,takeawalkon.the.wildside,fuzzy.logic.it,bronzeandiron.age,areyou.serious'

要获取列表中的地址：list(urlstring.split(','))。但我无法确定如何辨别域名的长度，并根据该长度删除它。是否需要按split('.')将每个地址字符串拆分为子字符串？=/

我很确定这在其他地方也有答案，但我真的找不到完全相似的东西。我为这个超级愚蠢的问题道歉，并保证我的问题会随着我的学习而提高质量。在

Answer 1

或者，如果您想获取至少有一个所需或长度正确的域名的所有URL，您可以尝试以下代码：

def len_is_valid(url, min_len, max_len):
    return any(map(lambda x: min_len<=len(x)<=max_len,url))

urlstring = 'albatross.org,boogaloo.boolean.net,zenoparadox.hercules.gr,takeawalkon.the.wildside,fuzzy.logic.it,bronzeandiron.age,areyou.serious'

url_list = [url for url in urlstring.split(',')
        if len_is_valid(url.split('.'), 2, 4)]

print url_list
# ['albatross.org', 'boogaloo.boolean.net', 'zenoparadox.hercules.gr',
# 'takeawalkon.the.wildside', 'fuzzy.logic.it', 'bronzeandiron.age']

Answer 2

不知道哪种方法更快或更好，但下面是一种使用regex的方法：

import re

urls = 'albatross.org,boogaloo.boolean.net,bedei9.paralex.zenoparadox.herc.gr,takeawalkon.the.wildside,fuzzy.logic.it,bronzeandiron.age,areyou.serious,mydom.dom.net,hun.com'
regex = re.compile('''[[a-zA-Z0-9\-\.]+\.]*[a-zA-Z0-9\-]{2,4}\.[^\.\,]+''')

url_list = regex.findall(urls)
print(url_list)

注意：我使用重新编译但是如果你只解析一次，那么你就不必了，你可以简单地做关于芬德尔（patern，url）并保留一行代码（当然在导入之后）：

^{pr2}$

我还修改了您给出的字符串，以确保它处理了abc.abd.abdcde,bdc...的多次重复。在

如果一些regex专家正在观看，并且您认为您可以做得更好，请发布它，我希望有一个更快/更准确的解决方案：）。在

另外，我想从python专家那里知道在这种情况下哪个方法更快，哪个方法处理更大的字符串更好。在

我应该发问这个问题吗？：）

Answer 3

假设您只关心TLD的长度：

[url for url in urlstring.split(',') if 2 <= len(url.split('.')[-2]) <= 4]