如何只匹配URL的域部分與正則表達式？

Question

我正在編寫一個Python代碼來處理一個文本塊，在文本中，對於我來說，這些文本對URL沒有用處。 在文本塊之外我只需要域，而不是完整的URL。 輸入示例：

47.91.158.176 or 54.145.185.110 port 80 - gooolgeremf.top - GET /search.php
47.90.205.113 or 35.187.59.173 port 80 - voperforseanx.top/site/chrome_update.html

所以這里我只需要gooolgeremf.top和voperforseanx.top匹配，但我寫的正則表達式也匹配search.php和chrome_update.html 。

我在想的是正則表達式應該在/之后停止匹配。 但是我不知道如何實現它，特別是如何防止在第一個/整個文本文件之后出現的匹配域。

到目前為止我的代碼中的工作方式：

regexdm="[A-Za-z0-9]{1,}\.[A-Za-z0-9]{1,10}\.?[A-Za-z]{1,}\.?[A-Za-z]{1,}"
dmsc=re.findall(regexdm, iocsd.read())

Answer 1

我建議添加分隔符條件。 如果域名可能只被空格，行的開始/結束和域前的兩個前向斜線以及后面的一個斜線所包圍，則正則表達式將是：

(?: |//|^)([A-Za-z0-9]{1,}\.[A-Za-z0-9]{1,10}\.?[A-Za-z]{1,}\.?[A-Za-z]{1,})(?: |/|$)

演示： https ： //regex101.com/r/TQKlDP/1

Answer 2

正則表達式不是最簡單的方法，你應該使用urlparse.urlparse ：

from urlparse import urlparse
parsed_uri = urlparse('http://voperforseanx.top/site/chrome_update.html')
print parsed_uri.netloc

給

voperforseanx.top

---

但是，作為參考，這里是如何使用正則表達式處理URL： 獲取URL的一部分（正則表達式）

Answer 3

在Python 2.7.13中，另一種方式示例（取決於輸入模式）：

str = "47.90.205.113 or 35.187.59.173 port 80 - voperforseanx.top/site/chrome_update.html"
parsed_uri = str.split()[6].split('/')[0]
print parsed_uri
>> voperforseanx.top

Answer 4

(\b[\w\.]+\.[a-zA-Z]{2,}\b)(.+)$

在這個正則表達式中：

(\b[\w\.]+\.[a-zA-Z]{2,}\b)

部分，將匹配您正在尋找的，其余的是廢品。 為了工作，這個正則表達式需要一個gmi修飾符。