从字符串域名中删除子域[重复]答案

【问题标题】：Removing subdomains from string domain name [duplicate]从字符串域名中删除子域[重复]
【发布时间】：2023-04-02 08:35:01
【问题描述】：

所以我编写了一个小函数来从输入域字符串中删除子域（如果有）：

def rm(text):
    print(text.replace(text, '.'.join(text.split('.')[-2:])), end="")
    print("\n")

if __name__ == "__main__":
    rm("me.apple.com")
    rm("not.me.apple.com")
    rm("really.not.me.apple.com")
    # problem here
    rm("bbc.co.uk")

在您拥有 .something.something tld. 之前，一切正常，例如 .co.uk 或 .co.in。

所以我的输出是：

apple.com
apple.com
apple.com
--> co.uk

它应该在哪里，

apple.com
apple.com
apple.com
bbc.co.uk

如何以优雅的方式修复/创建函数，而不是检查所有可能的双 tld？ 编辑：如果这很重要，我将不得不检查数百万个域。所以我要做的就是将一个域传递给我的函数并获得一个干净的、无子域的域。

【问题讨论】：

@StephenRauch 一个函数。可能很快，因为我会从一个包含 100 万个域的列表中一次传递一个域。
没有其他办法。 co.uk 不是有效域，但 co.de 是。因此，foo.co.uk 将减少到 foo.co.uk，但 foo.co.de 应该变成 co.de。有一些库可以处理所有这些特殊情况。
@Blender 我的想法完全正确！这就是我卡住的原因！顺便说一句，你能命名这些库吗？
怎么样？ github.com/john-kurkowski/tldextract
可能重复：stackoverflow.com/questions/1066933/…

标签： python

【解决方案1】：

你不能。不是没有查询某种服务——至少是 DNS——或者在你的函数中编码一个答案数据库。

为什么不呢？因为你无法用语言准确地描述你想要做什么。例如，“me.apple.com”应解析为“apple.com”，“me.apple.co.uk”应解析为“apple.co.uk”，但“a.b.c.d.e”应解析为什么？除非这些示例是按照其内容建议（但仍未定义）正确答案的方式精心挑选的，否则无法知道。

一旦你提出算法的文字描述，它就可以实现。

您可以使用“whois”服务来完成繁重的工作：https://www.whois.com/whois/ - 如果您愿意发出 HTTP 请求，这可以满足您的需求。

【讨论】：

猜到了 :(。任何理解这一点的库都不需要 dnspython 来单独查询，因为这太昂贵且耗时。

【解决方案2】：

tldextrat 包应该为您完成繁重的工作，基于公共后缀列表。它不是防弹的，但应该适用于所有合理的用例：

import tldextract
def rm(text):
    return tldextract.extract(text).registered_domain

【讨论】：

这样做了：ext = tldextract.extract(domain_with_subdomain); return ext.registered_domain
@Jeet.Deir 完全忘记了那个！绝对比我最初的建议简单。已编辑和修复。