如何通过分析 URL 来检测子域？

Question

我有几个网站是子域（例如 Wordpress, Altervista, Blogpress,...）。

我目前正在使用 url 解析将 URL 拆分成它们的元素。但是似乎不允许区分子域，而只能区分 tld.

或者，我会使用一个词汇表来包含所有子域后缀，并在此基础上分配 1 或 0。但是由于我不知道所有的博客，所以我想知道是否有一种方法可以自动检测。

例如，我想看点，但很多网站之间可能有一个点不是子域，所以这种方法并不好。

Answer 1

我认为这个库应该可以解决问题 https://pypi.org/project/tld/。

这是一个例子：

from tld import get_tld
url = "https://artgateblog.altervista.org/"
res = get_tld(url, as_object=True)
blogname, blog_domain = res.domain, res
print(blogname, blog_domain)

输出：

artgateblog altervista.org

评论后编辑：

对于不包含协议的域，我认为您需要添加如下内容：

from tld import get_tld
urls = ["12story.altervista.org", "fantasy_story.blogspot.com"]
for url in urls:
    res = get_tld(url, as_object=True, fix_protocol=True)
    blogname, blog_domain = res.domain, res

如何通过分析 URL 来检测子域？

How can I detect subdomains by analyzing a URL?

python

string

urlparse