从URL获取域名

在我的django应用程序中,我需要从request.META.get('HTTP_REFERER')的引用程序中获取域名以及其协议,以便从以下url获取:

  • https://docs.google.com/spreadsheet/ccc?key=blah-blah-blah-blah#gid=1
  • https://stackoverflow.com/questions/1234567/blah-blah-blah-blah
  • http://www.domain.com
  • https://www.other-domain.com/whatever/blah/blah/?v1=0&v2=blah+blah …

我应该得到:

  • https://docs.google.com/
  • https://stackoverflow.com/
  • http://www.domain.com
  • https://www.other-domain.com/

我查了一下其他相关的问题,发现了关于urlparse的问题,但是这并没有成功

 >>> urlparse(request.META.get('HTTP_REFERER')).hostname 'docs.google.com' 

此外,我没有find一种方法来获得协议,也许做一个简单的连接:\

在此先感谢您的帮助

你应该能够做到这一点:

 from urlparse import urlparse parsed_uri = urlparse( 'http://stackoverflow.com/questions/1234567/blah-blah-blah-blah' ) domain = '{uri.scheme}://{uri.netloc}/'.format(uri=parsed_uri) print domain # gives 'http://stackoverflow.com/' 

更新:

关于urlparse( python2 , python3 )的Python文档也相当不错,所以你可能想检查一下:)

编辑:

按照@JFSebastian的build议,整理一个更简洁的domainstring格式(谢谢!)

https://github.com/john-kurkowski/tldextract

这是一个更为详细的urlparse版本。 它会为您检测域和子域。

从他们的文档:

 >>> import tldextract >>> tldextract.extract('http://forums.news.cnn.com/') ExtractResult(subdomain='forums.news', domain='cnn', suffix='com') >>> tldextract.extract('http://forums.bbc.co.uk/') # United Kingdom ExtractResult(subdomain='forums', domain='bbc', suffix='co.uk') >>> tldextract.extract('http://www.worldbank.org.kg/') # Kyrgyzstan ExtractResult(subdomain='www', domain='worldbank', suffix='org.kg') 

ExtractResult是一个ExtractResult ,所以访问你想要的部分很简单。

 >>> ext = tldextract.extract('http://forums.bbc.co.uk') >>> ext.domain 'bbc' >>> '.'.join(ext[:2]) # rejoin subdomain and domain 'forums.bbc' 

Python3使用urlsplit :

 from urllib.parse import urlsplit url = "http://stackoverflow.com/questions/9626535/get-domain-name-from-url" base_url = "{0.scheme}://{0.netloc}/".format(urlsplit(url)) print(base_url) # http://stackoverflow.com/ 

纯string操作:):

 >>> url = "http://stackoverflow.com/questions/9626535/get-domain-name-from-url" >>> url.split("//")[-1].split("/")[0] 'stackoverflow.com' >>> url = "stackoverflow.com/questions/9626535/get-domain-name-from-url" >>> url.split("//")[-1].split("/")[0] 'stackoverflow.com' 

就这样,伙计们。

 >>> import urlparse >>> url = 'http://stackoverflow.com/questions/1234567/blah-blah-blah-blah' >>> urlparse.urljoin(url, '/') 'http://stackoverflow.com/' 

纯string操作有什么问题:

 url = 'http://stackoverflow.com/questions/9626535/get-domain-name-from-url' parts = url.split('//', 1) print parts[0]+'//'+parts[1].split('/', 1)[0] >>> http://stackoverflow.com 

如果你喜欢附加一个斜线,可以这样扩展这个脚本:

 parts = url.split('//', 1) base = parts[0]+'//'+parts[1].split('/', 1)[0] print base + (len(url) > len(base) and url[len(base)]=='/'and'/' or '') 

这可能可以优化一点…

这是有点钝,但在两个方向使用urlparse

 import urlparse def uri2schemehostname(uri): urlparse.urlunparse(urlparse.urlparse(uri)[:2] + ("",) * 4) 

odd ("",) * 4位是因为urlparse需要一个完全 len(urlparse.ParseResult._fields) = 6的序列