🔍 如何使用正则表达式从 URL 中提取域名（含端口号）

在 Web 编程、日志分析、数据清洗中，从 URL 中提取域名是一个常见且实用的操作。比如我们有这样一些地址：

• http://www.baidu.com

• https://abc.def.example.com:8080/index.html

我们希望能从中准确提取出主机名部分（如 www.baidu.com、abc.def.example.com:8080）。这时候，使用 Python 的 re 模块配合正则表达式就是最佳选择。

Python 正则表达式提取 URL 域名的方法与实战解析

🧠 域名构成要素简析

在构造正则前，我们需要理解一个标准域名可能包含哪些部分：

• 主机名：如 www.

• 二级/三级域名：如 abc.def.

• 顶级域名：如 .com

• 可选端口号：如 :8080

英文域名允许出现的字符包括：

• 英文字母（大小写）

• 数字（0-9）

• 连字符 -

• 点号 .

• 可选的端口（如 :443）

✅ 正则表达式示例

下面是一个用于提取 URL 中域名部分的正则表达式：

re.search(r'http(s)?://([\w\-\.]+)\w+(:\d{1,5})?', url)

📌 正则含义逐步拆解：

• http(s)?://：匹配以 http:// 或 https:// 开头的协议头

• ([\w\-\.]+)：匹配由字母、数字、下划线、连字符、点号组成的主机名

• \w+：确保末尾是合法域名字符（避免以点号或破碎字符结尾）

• (:\d{1,5})?：匹配可选的端口号，如 :80、:443

🧪 实战测试代码

import re

url = "https://abc.def.example.com:8080/index.html"
match = re.search(r"http(s)?://([\w\-\.]+\w+)(:\d{1,5})?", url)

if match:
    domain = match.group(2)
    port = match.group(3) if match.group(3) else "默认端口"
    print(f"提取到的域名：{domain}")
    print(f"端口信息：{port}")
else:
    print("URL格式不正确")

输出：

提取到的域名：abc.def.example.com
端口信息：:8080

✅ 总结

通过正则表达式，可以高效从 URL 中提取域名、端口等关键字段，非常适合用于：

• 日志分析（提取来源域）

• 数据清洗（统一格式）

• 安全检测（识别来源主机）

当然，如果你的 URL 更复杂（含用户名密码、锚点参数等），建议使用 urllib.parse 模块进行更精细解析。