我有以下输入字符串：的Python：可以使用里urlparse从CGI斌URL解析域名
/cgi-bin/ivw/CP/dbb_ug_sp;?r=http%3A//www.some-super-domain.de/forum/viewtopic.php%3Ff%3D2%26t%3D18564%26start%3D75&d=76756.76050130278
我想用urlparse()到取得网域，但得到的netloc属性回报在这种情况下是一个空字符串。
如何提取域（最佳情况：没有www）？
输出想要的东西： some-super-domain.de
请注意：有时，在上面输入字符串没有WWW！
在您的演示页面上工作，但不在我的脚本中工作，例如：domain = re.match（'^ www \。（。*？）\/$'，line） – nottinhill 2014-09-03 09:23:05
@SirBenBenji你需要生成正则表达式字符串：'domain = re.match（r'^ www \。（。*？）\ /'，line）'，并在结尾处删除'$'。 – Jerry 2014-09-03 09:26:03
这是行得通的。 re.findall（r“www \。（。*？）\ /”，x） – vks 2014-09-03 09:27:31
我觉得urlparse点给你，你可以使用这个你想要什么：
m=re.search(r'(?<=www\.)[a-zA-Z\-]+\.[a-zA-Z]+',s)
print m.group(0)
结果：
some-super-domain.de
尝试HERE！
所以如果你使用urlparse的结果是这样的：
s='/cgi-bin/ivw/CP/dbb_ug_sp;?r=http%3A//www.some-super-domain.de/forum/viewtopic.php%3Ff%3D2%26t%3D18564%26start%3D75&d=76756.76050130278'
from urlparse import urlparse
o = urlparse(s)
print o
结果：
ParseResult(scheme='', netloc='', path='/cgi-bin/ivw/CP/dbb_ug_sp', params='', query='r=http%3A//www.some-super-domain.de/forum/viewtopic.php%3Ff%3D2%26t%3D18564%26start%3D75&d=76756.76050130278', fragment='')
所以这个结果，你可以访问域与o.query但它是不是你想要的是包含额外的字符！
>>>print o.query
>>>r=http%3A//www.some-super-domain.de/forum/viewtopic.php%3Ff%3D2%26t%3D18564%26start%3D75&d=76756.76050130278
试试这个代码工作正常：
from urlparse import urlparse
import urllib
url = '/cgi-bin/ivw/CP/dbb_ug_sp;?r=http%3A//www.some-super-domain.de/forum/viewtopic.php%3Ff%3D2%26t%3D18564%26start%3D75&d=76756.76050130278';
url= url[url.find('http'):]
url= urllib.unquote(url).decode('utf8')
result= urlparse(url);
domain = '{uri.netloc}'.format(uri=result)
if(domain.find('www.')!=None):
domain=domain[4:]
print (domain);
太棒了！我在找什么。任何想法如何缓解遇到此错误时的情况：return codecs.utf_8_decode（input，errors，True） UnicodeDecodeError：'utf8'编解码器无法解码位置50中的字节0xe4：无效的继续字节 – nottinhill 2014-09-03 10:01:12
你可以试试下面的代码，它使用可变长度的回顾后，
>>> import regex
>>> s = "/cgi-bin/ivw/CP/dbb_ug_sp;?r=http%3A//www.some-super-domain.de/forum/viewtopic.php%3Ff%3D2%26t%3D18564%26start%3D75&d=76756.76050130278"""
>>> m = regex.search(r'(?<=https?[^/]*//www\.)[^/]*', s).group()
>>> m
'some-super-domain.de'
OR
>>> m = re.search(r'(?<=www\.)[^/]*', s).group()
>>> m
'some-super-domain.de'
import urlparse
import urllib
HTTP_PREFIX = 'http://'
URI = '/cgi-bin/ivw/CP/dbb_ug_sp;?r=http%3A//www.some-super-domain.de/forum/viewtopic.php%3Ff%3D2%26t%3D18564%26start%3D75&d=76756.76050130278'
# Unquote the HTTP quoted URI
unquoted_uri = urllib.unquote(URI)
# Parse the URI to get just the URL in the query
queryurl = HTTP_PREFIX + unquoted_uri.split(HTTP_PREFIX)[-1]
# Now you get the hostname you were looking for
parsed_hostname = urlparse.urlparse(queryurl).netloc
您的预期产出是？ – 2014-09-03 09:07:34
some-super-domain.de – nottinhill 2014-09-03 09:22:22