如何用Python从URL中提取网站名称？求简洁实现方案

方法一：标准库组合方案（urllib.parse + 正则） #

urllib虽无直接提取网站主体名的工具，但可以通过解析+正则快速处理：

• 用urlparse解析URL，分离出域名部分（netloc）
• 用正则剔除www/www2/www3这类前缀，同时去掉端口号
• 拆分域名后，根据常见后缀规则提取主体部分

示例代码：

from urllib.parse import urlparse
import re

def get_site_name(url):
    parsed = urlparse(url)
    # 兼容不带http前缀的URL情况
    netloc = parsed.netloc or parsed.path.split('/')[0]
    # 清理端口号和www类前缀
    cleaned_domain = re.sub(r'^(www\d?\.)|(:\d+)$', '', netloc)
    parts = cleaned_domain.split('.')
    # 针对常见后缀（com/org/net/io等）提取主体
    if len(parts) >= 2:
        # 子域名场景（如docs.python.org）取倒数第二个部分
        return parts[-2] if len(parts) > 2 else parts[0]
    return parts[0]

# 测试
print(get_site_name("https://www.google.com/"))  # 输出: google
print(get_site_name("https://docs.python.org/3/library/urllib.parse.html"))  # 输出: python

方法二：第三方库tldextract（更省心） #

这个库专门处理域名解析，能自动识别公共后缀（如.co.uk）、注册域名和子域名，直接提取核心主体：

1. 先安装：pip install tldextract
2. 示例代码：

import tldextract

def get_site_name(url):
    domain_info = tldextract.extract(url)
    return domain_info.domain

# 测试
print(get_site_name("https://www.google.com/"))  # 输出: google
print(get_site_name("https://docs.python.org/3/library/urllib.parse.html"))  # 输出: python
print(get_site_name("https://www3.example.co.uk/"))  # 输出: example

该方法无需手动处理各种前缀和边缘后缀场景，简洁且可靠。

内容的提问来源于stack exchange，提问作者JustSomeCoder