怎么用Python提取域名中的主域名

从一个域名里面提取主域名，初想起来，貌似很简单，不就是数点[.]的个数吗？取最后一个点前后的字符串，那 abc.txt 是域名吗？那再加个验证，加上国家码，.com，.cn，.org结尾的才算，那这个域名呢(www.freelancer.co.ro)，它的主域名到底是freelancer.co.ro呢，还是co.ro？

 

还好，Python从不缺少第三方库，有贡献者已经帮我们造好了轮子tldextract（https://github.com/john-kurkowski/tldextract）。

 

安装

pip install tldextract

 

示例

>>> import tldextract

>>> val = tldextract.extract("https://www.ymw.cn/")

>>> val

ExtractResult(subdomain='www', domain='ymw', suffix='cn')

>>> "{0}.{1}".format(val.domain, val.suffix) #主域名

'ymw.cn'

>>> tldextract.extract("aa.txt")

ExtractResult(subdomain='aa', domain='txt', suffix='')

>>> #后缀为空，不是域名

>>>

 

02

再探一步

如果只是简单使用，上面的代码已经足以，我们再稍稍前进一步。

第一次提取主域名的时候，此包会访问域名后缀网站(https://publicsuffix.org/list/public_suffix_list.dat)，生成一个域名后缀集合(.td_set，["ac", "com.ac", "edu.ac", "gov.ac", ... , "zip", "zippo", "zone", "zuerich"] )，有了这个集合，我们就可以定期更新，离线安装使用了。

 

离线使用

将.tld_set文件拷贝出来，离线使用。