Python如何从DataFrame的URL列提取纯域名并生成新列？

方案1：使用Python内置urllib库实现（推荐入门使用） #

不需要安装第三方依赖，逻辑清晰易理解，完整代码如下：

import pandas as pd
from urllib.parse import urlparse

concu = pd.read_csv(r'/Desktop/Concu.csv')
df = pd.DataFrame(concu, columns= ['URL'])

def extract_domain(url):
    # 解析URL，自动剥离HTTP/HTTPS协议、路径、参数等内容
    domain_part = urlparse(url).netloc
    # 移除www前缀
    return domain_part.removeprefix('www.')

# 新增Domain列存储提取结果
df['Domain'] = df['URL'].apply(extract_domain)

print(df)

你给出的示例URL运行后，提取结果分别为smartkeyword.io、primelis.com，完全符合要求。

方案2：正则表达式一行实现 #

如果偏好简洁写法，可以直接用pandas的str.extract方法配合正则实现：

import pandas as pd

concu = pd.read_csv(r'/Desktop/Concu.csv')
df = pd.DataFrame(concu, columns= ['URL'])

df['Domain'] = df['URL'].str.extract(r'^(?:https?://)?(?:www\.)?([^/]+)', expand=False)

print(df)

运行效果和方案1完全一致。

内容的提问来源于stack exchange，提问作者LuchoSEO