Analisi hostname e la porta dalla stringa o url

Question

posso avere una stringa in uno dei seguenti formati:

• url: ad esempio http://www.acme.com:456

• stringa: per esempio www.acme.com:456, www.acme.com 456 o www.acme.com

Vorrei estrarre l'host e se presente una porta. Se il valore della porta non è presente, mi piacerebbe che fosse impostato su 80.

Ho provato urlparse, che funziona bene per l'url, ma non per l'altro formato. Quando uso urlparse su hostname: port per esempio, inserisce il nome host nello schema piuttosto che netloc.

Sarei felice con una soluzione che utilizza urlparse e un'espressione regolare o una singola regex che possa gestire entrambi i formati.

Answer 1

Io non sono che la familiarità con urlparse, ma utilizzando regex faresti qualcosa di simile:

p = '(?:http.*://)?(?P<host>[^:/ ]+).?(?P<port>[0-9]*).*' 

m = re.search(p,'http://www.abc.com:123/test') 
m.group('host') # 'www.abc.com' 
m.group('port') # '123' 

Oppure, senza porto:

m = re.search(p,'http://www.abc.com/test') 
m.group('host') # 'www.abc.com' 
m.group('port') # '' i.e. you'll have to treat this as '80' 

EDIT: regex per abbinare anche 'fisso www.abc.com 123'

Answer 2

La ragione per cui non riesce per:

www.acme.com 456 

è perché non è un URI valido. Perché non basta:

1. sostituire lo spazio con un :
2. analizzare la stringa risultante usando il metodo standard urlparse

cercare di fare uso di funzionalità di default, per quanto possibile, specialmente quando si parla di cose come l'analisi, si conoscono formati come gli URI.

Answer 3

È possibile utilizzare urlparse per ottenere hostname da stringa URL:

from urlparse import urlparse 
print urlparse("http://www.website.com/abc/xyz.html").hostname # prints www.website.com 

Answer 4

>>> from urlparse import urlparse 
>>> aaa = urlparse('http://www.acme.com:456') 

>>> aaa.hostname 
'www.acme.com' 

>>> aaa.port 
456 
>>>