python实现切割url得到域名、协议、主机名等各个字段的例子

有一个需求就是需要对url进行进一步的划分得到详细的各个字段信息，下面是简单的实现：

#!/usr/bin/python
# -*- coding: UTF-8 -*-
'''
__Author__:沂水寒城
功能: 对URL进行分割，基于urlparse, publicsuffix, urllib编写
'''
from urlparse import urlparse
import codecs
from publicsuffix import PublicSuffixList
from urllib import splitport
import re

def domain_split(server_domain):
 '''
 server_domain为网站所用服务名+域名
 分割域名, 得到前缀(服务名)、主机域名、后缀(顶级域名)
   输入www.baidu.com，输出'www', 'baidu', 'com'
   输入172.31.137.240，输出'', '172.31.137.240', ''
 '''
 PSL_FILE = codecs.open('public_suffix_list.dat', encoding='utf8')
 psl = PublicSuffixList(PSL_FILE)
 domain = psl.get_public_suffix(server_domain)
 # 取域名的第一个字段，即第一个'.'之前的为主机域名, 后面为顶级域名，前面为所使用的服务
 if '.' in domain:
   server = server_domain[:-len(domain)]
   host = domain[:domain.index('.')]
   top = domain[domain.index('.'):]
   hostname = server + host + top
 else: # 说明提取域名失败，例如172.31.137.240等IP形式，此时全部当作主机域名
   server = ''
   host = server_domain
   top = ''
   hostname = server_domain
 return server, host, top, hostname

def url_split_new(url):
 '''
 url分割
 '''
 if not url.startswith('http'): # 补全协议，否则urlparse出错
   url = 'http://' + url
 parts = urlparse(url)
 # 服务+域名'www.baidu.api.com.cn'切分
 server, host, top, hostname = domain_split(parts.netloc)
 host, port = splitport(host)
 if port == None: port = ''
 return {'protocol': parts.scheme, 'hostname': hostname, 'path': parts.path}

if __name__ == '__main__':
 print url_split_new('http://www.baidu.com/')
 print url_split('http://www.baidu.com/')

来源：https://blog.csdn.net/Together_CZ/article/details/78520684