Phân tích hostname và cổng từ chuỗi hoặc url

Question

tôi có thể nhận được một chuỗi trong bất kỳ các định dạng:

• url: ví dụ http://www.acme.com:456

• chuỗi: ví dụ www.acme.com:456, www.acme.com 456 hoặc www.acme.com

Tôi muốn trích xuất máy chủ và nếu có cổng. Nếu giá trị cổng không xuất hiện, tôi muốn đặt giá trị mặc định là 80.

Tôi đã thử urlparse, hoạt động tốt cho url, nhưng không phù hợp với định dạng khác. Khi tôi sử dụng urlparse trên tên máy chủ: cổng ví dụ, nó đặt tên máy chủ trong lược đồ chứ không phải là netloc.

Tôi sẽ hài lòng với giải pháp sử dụng urlparse và regex hoặc một regex đơn có thể xử lý cả hai định dạng.

Answer 1

Tôi không phải là quen thuộc với urlparse, nhưng sử dụng regex bạn muốn làm điều gì đó như:

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' 

Hoặc, mà không có cổng:

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' 

EDIT: cố định regex cũng để phù hợp ' www.abc.com 123'

Answer 2

lý do nó không cho:

www.acme.com 456 

là vì đó không phải là URI hợp lệ. Tại sao bạn không chỉ:

1. Thay thế vào khoảng trống bằng :
2. Phân tích chuỗi kết quả bằng cách sử dụng các tiêu chuẩn urlparse phương pháp

Cố gắng và tận dụng các chức năng mặc định càng nhiều càng tốt, đặc biệt là khi nói đến những thứ như phân tích cú pháp cũng biết các định dạng như URI.

Answer 3

Bạn có thể sử dụng để có được urlparse hostname từ chuỗi URL:

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

Answer 4

>>> from urlparse import urlparse 
>>> aaa = urlparse('http://www.acme.com:456') 

>>> aaa.hostname 
'www.acme.com' 

>>> aaa.port 
456 
>>>