如何从URL中提取不含主域名的子域名部分

核心前置说明 #

首先要明确域名的结构逻辑：标准域名格式为[子域名].<主域名>.<顶级域名>，部分顶级域名是多段形式（比如.com.cn、.co.jp），如果要兼容这类场景需要先引入公共后缀列表做匹配，普通场景直接按段拆分即可。

不同环境的实现方案 #

Python实现 #

• 普通场景（仅适配单段顶级域名，比如.com/.org等）

from urllib.parse import urlparse

url = "http://www.example.com"
# 解析URL拿到完整域名
full_domain = urlparse(url).netloc
# 按点拆分域名段
domain_parts = full_domain.split('.')
# 单段顶级域名下，去掉最后两段（主域名+顶级域名），剩余的拼接就是子域名
subdomain = '.'.join(domain_parts[:-2])
print(subdomain) # 输出：www

• 兼容多段顶级域名的场景，用tldextract库：

import tldextract

url = "http://www.example.com.cn"
ext = tldextract.extract(url)
subdomain = ext.subdomain
print(subdomain) # 输出：www

JavaScript实现 #

const url = new URL("http://www.example.com");
const fullDomain = url.hostname;
const domainParts = fullDomain.split('.');
// 普通场景取除了最后两段的部分
const subdomain = domainParts.slice(0, -2).join('.');
console.log(subdomain); // 输出：www

如果要兼容多段顶级域名，可以引入psl库（公共后缀列表实现）处理。

Shell命令实现（用grep+awk） #

echo "http://www.example.com" | awk -F/ '{print $3}' | awk -F. '{OFS="."; if(NF>2) print $(NF-2)}'
# 输出：www

注意事项 #

• 如果主域名本身就是两段以上（比如example.co.uk），直接按去掉最后两段的逻辑会出错，必须依赖公共后缀列表匹配正确的顶级域名段长度
• 注意URL不带协议的场景，比如www.example.com，部分URL解析库会识别失败，建议先补全协议头再做解析

内容的提问来源于stack exchange，提问作者Supriya