Python3 url域名擷取

• 通過内置子產品urllib進行擷取：

from urllib.parse import urlparse
url = "http://zhidao.baidu.com"
print(urlparse(url))
           

輸出資訊：ParseResult(scheme=‘http’, netloc=‘zhidao.baidu.com’, path=’’, params=’’, query=’’, fragment=’’)，其中netloc就是我們需要的域名資訊

• 通過内置子產品tldextract進行擷取

import tldextract
url = "http://zhidao.baidu.com"
print(tldextract.extract(url))
           

輸出資訊：ExtractResult(subdomain=‘zhidao’, domain=‘baidu’, suffix=‘com’)，其中domain就是我們需要的域名資訊。

• 看到這裡或許疑問就來了，為什麼兩個内置子產品擷取的域名資訊不完全一緻呢？原因在于urllib擷取的是目前url的完整域名資訊即zhidao.baidu.com，那有人會問tldextract擷取的不是完整的域名資訊？并不是！tldextract擷取的同樣是完整的域名，不過他将擷取到的域名資訊拆分成subdomain子域名，domain主域名的形式進行輸出。
• 綜合上面的結果我們不難看出前者urllib沒有辦法準确的拿到網站的主域名，子域名而tldextract能夠很好的拿到主域名與子域名的資訊。