Метод 1: использование регулярных выражений
Регулярные выражения (регулярные выражения) – это мощный инструмент сопоставления с шаблоном, который можно использовать для извлечения названий веб-сайтов из URL-адресов. Вот пример фрагмента кода Python, который демонстрирует, как использовать регулярное выражение для извлечения имени веб-сайта:

import re
def extract_website_name(url):
    pattern = r"(?:https?://)?(?:www\.)?([^/?]+)"
    match = re.match(pattern, url)
    if match:
        return match.group(1)
    else:
        return None
# Example usage
url = "https://www.example.com/blog/article"
website_name = extract_website_name(url)
print(website_name)  # Output: example.com

Объяснение:

• Шаблон регулярного выражения (?:https?://)?(?:www\.)?([^/?]+)можно разбить следующим образом:
  • (?:https?://)?: соответствует необязательной части URL-адреса «http://» или «https://».
  • (?:www\.)?: соответствует необязательному «www». субдомен.
  • ([^/?]+): Соответствует всем до первого появления косой черты («/») или вопросительного знака («?»), фиксируя название веб-сайта.

Метод 2: использование библиотек анализа URL-адресов.
Другой подход к извлечению названий веб-сайтов из URL-адресов — использование библиотек анализа URL-адресов. Python предоставляет модуль urllib.parse, который можно использовать для этой цели. Вот пример:

from urllib.parse import urlparse
def extract_website_name(url):
    parsed_url = urlparse(url)
    if parsed_url.netloc:
        return parsed_url.netloc
    else:
        return None
# Example usage
url = "https://www.example.com/blog/article"
website_name = extract_website_name(url)
print(website_name)  # Output: www.example.com

Объяснение:

• Функция urlparseиз модуля urllib.parseразбивает URL-адрес на его компоненты, такие как схема, netloc, путь и т. д.
• Атрибут netlocсодержит часть URL-адреса, содержащую сетевое местоположение, которая представляет собой имя веб-сайта.

Метод 3: использование манипуляций со строками
В некоторых случаях, если URL-адреса хорошо структурированы, вы можете извлечь имя веб-сайта, используя методы манипуляции со строками. Вот пример:

def extract_website_name(url):
    if url.startswith("http://"):
        url = url[7:]
    elif url.startswith("https://"):
        url = url[8:]
    if url.startswith("www."):
        url = url[4:]
    website_name = url.split("/")[0]
    return website_name
# Example usage
url = "https://www.example.com/blog/article"
website_name = extract_website_name(url)
print(website_name)  # Output: example.com

Объяснение:

• Мы удаляем часть схемы («http://» или «https://») и «www». префикс субдомена с использованием методов манипуляции строками.
• Затем мы разделяем оставшийся URL-адрес косой чертой (“/”) и извлекаем первую часть, которая представляет собой имя веб-сайта.

Извлечение названий веб-сайтов из URL-адресов необходимо для выполнения различных веб-задач. В этой статье мы рассмотрели три различных метода достижения этой цели: использование регулярных выражений, библиотек анализа URL-адресов и манипулирование строками. В зависимости от вашего конкретного случая использования и требований вы можете выбрать наиболее подходящий метод.

При реализации этих методов в своих проектах не забывайте учитывать крайние случаи, например URL-адреса без схемы или URL-адреса со сложными поддоменами. Приятного кодирования!