从指定URL列表中提取域名与URL后缀字符串

我们可以利用Python标准库中的urllib.parse模块解析域名，再通过字符串处理提取结尾后缀。以下是针对给定URL列表的实现代码：

from urllib.parse import urlparse

# 待处理的URL列表
url_list = ['https://blog.hubspot.com/marketing/parts-url',
            'https://www.almabetter.com/enrollments',
            'https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.rename.html',
            'https://www.programiz.com/python-programming/list']

for url in url_list:
    # 解析URL获取域名
    parsed_url = urlparse(url)
    domain = parsed_url.netloc
    
    # 提取结尾字符串（后缀）
    path = parsed_url.path
    last_segment = path.split('/')[-1]
    suffix = last_segment.split('.')[-1] if '.' in last_segment else ''
    
    print(f"URL: {url}")
    print(f"域名: {domain}")
    print(f"结尾字符串: {suffix}\n")

代码说明 #

• 域名提取：通过urlparse()解析URL后，netloc属性直接返回域名部分。
• 结尾后缀提取：先获取URL的路径部分，分割出最后一段内容；如果该内容包含点号，则取点号后的最后一段作为后缀，否则返回空字符串。

运行结果 #

URL: https://blog.hubspot.com/marketing/parts-url
域名: blog.hubspot.com
结尾字符串: 

URL: https://www.almabetter.com/enrollments
域名: www.almabetter.com
结尾字符串: 

URL: https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.rename.html
域名: pandas.pydata.org
结尾字符串: html

URL: https://www.programiz.com/python-programming/list
域名: www.programiz.com
结尾字符串: 

内容的提问来源于stack exchange，提问作者Syed Sajjad Askari