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

Question

Dans mon application Django, j'ai besoin de récupérer le nom de l'hôte à partir du référent dans le champ request.META.get('HTTP_REFERER') ainsi que son protocole, de sorte que des URL comme :

• https://docs.google.com/spreadsheet/ccc?key=blah-blah-blah-blah#gid=1
• https://stackoverflow.com/questions/1234567/blah-blah-blah-blah
• http://www.example.com
• https://www.other-domain.com/whatever/blah/blah/?v1=0&v2=blah+blah ...

Je devrais avoir :

• https://docs.google.com/
• https://stackoverflow.com/
• http://www.example.com
• https://www.other-domain.com/

J'ai regardé d'autres questions connexes et j'ai trouvé urlparse, mais cela n'a pas fait l'affaire car

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

Answer 1

La fonction de la bibliothèque standard urllib.parse.urlsplit() est tout ce dont vous avez besoin. Voici un exemple pour Python3 :

>>> import urllib.parse
>>> o = urllib.parse.urlsplit('https://user:pass@www.example.com:8080/dir/page.html?q1=test&q2=a2#anchor1')
>>> o.scheme
'https'
>>> o.netloc
'user:pass@www.example.com:8080'
>>> o.hostname
'www.example.com'
>>> o.port
8080
>>> o.path
'/dir/page.html'
>>> o.query
'q1=test&q2=a2'
>>> o.fragment
'anchor1'
>>> o.username
'user'
>>> o.password
'pass'

Answer 2

Si vous pensez que votre url est valide, cela fonctionnera tout le temps.

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

Answer 3

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

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

Answer 4

Y a-t-il quelque chose de mal à effectuer des opérations sur des chaînes de caractères pures ?

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 qu'une barre oblique soit ajoutée, étendez 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 ...

Answer 5

Je sais que c'est une vieille question, mais je l'ai aussi rencontrée aujourd'hui. J'ai résolu le problème avec une seule phrase :

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