从url Python中提取域名

Question

我正在尝试从url列表中提取域名。就像在 https://stackoverflow.com/questions/18331948/extract-domain-name-from-the-url
我的问题是url可以是关于所有内容的，很少有示例：
m.google.com=>；google
m.docs.google.com=>；google
www.someisotericdomain.innersite.mall.co.uk=>；mall
www.ouruniversity.department.mit.ac.us=>；mit
www.somestrangeurl.shops.relevantdomain.net=>；relevantdomain
www.example.info=>；example
等等….
域的多样性不允许我使用如how to get domain name from URL所示的regex（因为我的脚本将在实时网络流量上运行，所以regex必须非常庞大才能捕获所提到的所有类型的域）。
不幸的是，我的网络研究没有提供任何有效的解决方案。
有人知道怎么做吗？
任何帮助都将不胜感激！
谢谢你

Answer 1

使用tldextract这是urlparse的更有效版本，tldextract准确地将gTLD或ccTLD（通用或国家代码顶级域）与URL的注册domain和subdomains分开。

>>> import tldextract
>>> ext = tldextract.extract('http://forums.news.cnn.com/')
ExtractResult(subdomain='forums.news', domain='cnn', suffix='com')
>>> ext.domain
'cnn'

Answer 2

使用regex，您可以使用以下方法：

(?<=\.)([^.]+)(?:\.(?:co\.uk|ac\.us|[^.]+(?:$|\n)))

https://regex101.com/r/WQXFy6/5

注意，您必须注意特殊情况，例如co.uk。

Answer 3

似乎可以对该url使用urlparsehttps://docs.python.org/3/library/urllib.parse.html，然后提取netloc。

从netloc中，您可以使用split轻松地提取域名