标签：
.com/.cn/.org之类的域名很好解决
类似.com.cn/.org.cn类似的域名没有直接的办法解决，本想搜集所有的顶级域名生成list然后使用正则匹配，却发现了这个。
基本的用法在介绍里面都有，但是需要注意这里面的几个坑，就是一条URL不能直接往里面塞，否则塞进去不识别的吐出来还是未识别的字符串。
以上这些URL都是PublicSuffix无法正常识别的URL，原样返回或者返回一个不期望的字符串，所以在使用之前需要做一些字符串的处理。
1 from publicsuffix import fetch, PublicSuffixList 2 import codecs 3 4 try: 5 # 下载在线数据库生成匹配匹配list 6 psl = PublicSuffixList(fetch()) #建议将数据库下载使用，本来就慢还要下载 7 except Exception as error: 8 # 使用本地数据库生成匹配匹配list 9 psl_file = codecs.open(‘publicsuffix/public_suffix_list.dat‘, encoding=‘utf8‘) 10 psl = PublicSuffixList(psl_file) 11 12 # 处理一下乱七八糟的URL 13 def pure_url(url): 14 ...... 15 16 domain = psl.get_public_suffix(pure_url("http://www.baidu.com?word/"))
Python模块--PublicSuffix <获取URL的域名>
标签：
原文地址：http://www.cnblogs.com/loopsun/p/5676869.html
