解析主机名和端口从字符串或URL

我可以在任何这些格式被赋予的字符串：解析主机名和端口从字符串或URL

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，如果出现一个端口。如果端口值不存在，我希望它默认为80.

我试过urlparse，它可以正常工作，但不适用于其他格式。例如，当我在主机名：端口上使用urlparse时，它将主机名放在方案中而不是netloc中。

我会很高兴与一个解决方案，使用urlparse和正则表达式，或单个正则表达式可以处理这两种格式。

来源

2012-03-02 TonyM

什么是正则表达式你试过吗？如果不是正则表达式，你写的代码是什么？ – 2012-03-02 10:06:27

我没那么熟悉里urlparse，但使用正则表达式你会做这样的事情：

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，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：固定的正则表达式也匹配' www.abc.com 123'

来源

2012-03-02 09:54:42 claesv

谢谢，这看起来非常有用。 – TonyM 2012-03-02 10:11:46

我假设倒票是因为这个解决方案过于复杂。我接受这一点，并同意@ntziolis说，你应该尽可能使用标准功能。 – claesv 2014-02-17 10:11:06

标准urlparse不会用于字符串（不是以http（s）或//开头），所以这个解决方案似乎很有帮助。为什么downvote没有解释。 – 2017-01-24 23:29:33

失败对于其原因是：

www.acme.com 456

是因为它不是一个有效的URI。你为什么不只是：

与:
更换的空间使用标准urlparse方法

尝试解析生成的字符串，并使用默认的功能尽可能地，尤其是当涉及诸如URI之类的很好解析格式时。

来源

2012-03-02 09:56:02 ntziolis

当我在主机：端口上使用urlparse时，它将主机名放在方案中而不是netloc中。 – TonyM 2012-03-02 10:06:45

在手册中：“遵循RFC 1808中的语法规范，urlparse只有在正确引入'//'时才能识别netloc。否则，输入被假定为相对URL，因此以路径组件开头。 – ntziolis 2012-03-02 10:12:09

为了解决这个问题，只需在解析之前用''''或'http：//'作为前缀即可。 – ntziolis 2012-03-02 10:13:25

可以使用向里urlparse从URL字符串得到主机名：

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

来源

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 
>>>

来源

2015-01-07 21:26:16 dfostic

解析主机名和端口从字符串或URL

回答

相关问题