web-dev-qa-db-fra.com

Obtenir le protocole + le nom d'hôte de l'URL

Dans mon application Django, je dois obtenir le nom d'hôte auprès du référent dans request.META.get('HTTP_REFERER') ainsi que son protocole afin que les adresses URL telles que:

Je devrais avoir:

J'ai regardé par-dessus d'autres questions connexes et trouvé sur urlparse, mais cela n'a pas fait l'affaire,

>>> urlparse(request.META.get('HTTP_REFERER')).hostname
'docs.google.com'
pythondjango
111
Gerard

Vous devriez pouvoir le faire avec urlparse (docs: python2 , python3 ):

from urllib.parse import urlparse
# from urlparse import urlparse  # Python 2
parsed_uri = urlparse('http://stackoverflow.com/questions/1234567/blah-blah-blah-blah' )
result = '{uri.scheme}://{uri.netloc}/'.format(uri=parsed_uri)
print(result)

# gives
'http://stackoverflow.com/'
215
kgr

https://github.com/john-kurkowski/tldextract

Ceci est une version plus verbeuse de urlparse. Il détecte les domaines et sous-domaines pour vous.

De leur documentation:

>>> import tldextract
>>> tldextract.extract('http://forums.news.cnn.com/')
ExtractResult(subdomain='forums.news', domain='cnn', suffix='com')
>>> tldextract.extract('http://forums.bbc.co.uk/') # United Kingdom
ExtractResult(subdomain='forums', domain='bbc', suffix='co.uk')
>>> tldextract.extract('http://www.worldbank.org.kg/') # Kyrgyzstan
ExtractResult(subdomain='www', domain='worldbank', suffix='org.kg')

ExtractResult est un nom nommé, il est donc facile d'accéder aux parties souhaitées.

>>> ext = tldextract.extract('http://forums.bbc.co.uk')
>>> ext.domain
'bbc'
>>> '.'.join(ext[:2]) # rejoin subdomain and domain
'forums.bbc'
65
dm03514

Python3 utilisant urlsplit :

from urllib.parse import urlsplit
url = "http://stackoverflow.com/questions/9626535/get-domain-name-from-url"
base_url = "{0.scheme}://{0.netloc}/".format(urlsplit(url))
print(base_url)
# http://stackoverflow.com/
36
Marc SJ

Opérations sur les chaînes pures :):

>>> url = "http://stackoverflow.com/questions/9626535/get-domain-name-from-url"
>>> url.split("//")[-1].split("/")[0].split('?')[0]
'stackoverflow.com'
>>> url = "stackoverflow.com/questions/9626535/get-domain-name-from-url"
>>> url.split("//")[-1].split("/")[0].split('?')[0]
'stackoverflow.com'
>>> url = "http://foo.bar?haha/whatever"
>>> url.split("//")[-1].split("/")[0].split('?')[0]
'foo.bar'

C'est tout, les gars.

22
SebMa
>>> import urlparse
>>> url = 'http://stackoverflow.com/questions/1234567/blah-blah-blah-blah'
>>> urlparse.urljoin(url, '/')
'http://stackoverflow.com/'
15
png

Voici une version légèrement améliorée:

urls = [
    "http://stackoverflow.com:8080/some/folder?test=/questions/9626535/get-domain-name-from-url",
    "Stackoverflow.com:8080/some/folder?test=/questions/9626535/get-domain-name-from-url",
    "http://stackoverflow.com/some/folder?test=/questions/9626535/get-domain-name-from-url",
    "https://StackOverflow.com:8080?test=/questions/9626535/get-domain-name-from-url",
    "stackoverflow.com?test=questions&v=get-domain-name-from-url"]
for url in urls:
    spltAr = url.split("://");
    i = (0,1)[len(spltAr)>1];
    dm = spltAr[i].split("?")[0].split('/')[0].split(':')[0].lower();
    print dm

Sortie

stackoverflow.com
stackoverflow.com
stackoverflow.com
stackoverflow.com
stackoverflow.com

Fiddle: https://pyfiddle.io/fiddle/23e4976e-88d2-4757-993e-532aa41b7bf0/?i=true

5
Faiz

Y at-il quelque chose de mal avec les opérations de chaîne pure:

url = 'http://stackoverflow.com/questions/9626535/get-domain-name-from-url'
parts = url.split('//', 1)
print parts[0]+'//'+parts[1].split('/', 1)[0]
>>> http://stackoverflow.com

Si vous préférez ajouter une barre oblique, développez ce script un peu comme ceci:

parts = url.split('//', 1)
base = parts[0]+'//'+parts[1].split('/', 1)[0]
print base + (len(url) > len(base) and url[len(base)]=='/'and'/' or '')

Cela peut probablement être optimisé un peu ...

4
Simon Steinberger

si vous pensez que votre URL est valide, cela fonctionnera tout le temps

domain = "http://google.com".split("://")[1].split("/")[0]
4
Jeeva

C'est un peu obtus, mais utilise urlparse dans les deux sens:

import urlparse
def uri2schemehostname(uri):
    urlparse.urlunparse(urlparse.urlparse(uri)[:2] + ("",) * 4)

ce bit ("",) * 4 impair est dû au fait que urlparse attend une séquence de exactement len(urlparse.ParseResult._fields) = 6

2
SingleNegationElimination

Je sais que c'est une vieille question, mais moi aussi je l'ai rencontrée aujourd'hui…. Résolu avec un one-liner:

import re
result = re.sub(r'(.*://)?([^/?]+).*', '\g<1>\g<2>', url)
0
Orix Au Yeung

Si elle contient moins de 3 barres obliques, c'est ce que vous avez et sinon, nous pouvons trouver l'occurrence entre elle:

import re

link = http://forum.unisoftdev.com/something

slash_count = len(re.findall("/", link))
print slash_count # output: 3

if slash_count > 2:
   regex = r'\:\/\/(.*?)\/'
   pattern  = re.compile(regex)
   path = re.findall(pattern, url)

   print path
0
Juraj

Vous pouvez utiliser la variable urlparse de la bibliothèque urllib:

from urllib.parse import urlparse
o = urlparse("http://www.example.com/br/pages/")
domain = "://".join([o.scheme, o.netloc])
0
J. Doe

pour obtenir le domaine/nom d'hôte et origine *

url = 'https://stackoverflow.com/questions/9626535/get-protocol-Host-name-from-url'
hostname = url.split('/')[2] # stackoverflow.com
Origin = '/'.join(url.split('/')[:3]) # https://stackoverflow.com

* Origin est utilisé dans les en-têtes XMLHttpRequest

0
cieunteung