Python|根据顶级域对 URL 进行排序

在处理 URL 列表时，我们可能需要将它们按照顶级域进行排序，以便更好地组织数据或进行分析。Python 提供了方便的库和函数，使我们能够轻松地实现这一目标。

步骤

1. 导入需要的库

   from urllib.parse import urlparse
   from operator import itemgetter
   

   我们需要导入 urlparse 函数以将 URL 解析为其各个组成部分，以及 itemgetter 函数以按照字典中的某个键排序。

2. 创建 URL 列表

   我们可以使用以下代码创建一个 URL 列表：

   urls = ['https://www.google.com/',
           'https://www.facebook.com/',
           'https://github.com/',
           'https://docs.python.org/3/library/urllib.parse.html',
           'https://www.amazon.com/']
   

3. 解析 URL 并获取顶级域名

   我们可以使用以下代码将 URL 解析为其各个组成部分，并获取其顶级域名：

   domains = [urlparse(url).netloc for url in urls]
   top_level_domains = [domain.split('.')[-1] for domain in domains]
   

   在上述代码中，我们使用 .netloc 属性从 URL 中获取主机名和端口，并使用 .split() 方法和索引访问顶级域名。

4. 使用顶级域名对 URL 列表进行排序

   我们可以使用以下代码对 URL 列表按顶级域名进行排序：

   sorted_urls = [url for _, url in sorted(zip(top_level_domains, urls), key=itemgetter(0))]
   

   在上述代码中，我们使用 zip() 函数将顶级域名和 URL 列表打包在一起，并使用 sorted() 函数按顶级域名进行排序。然后，我们使用 itemgetter(0) 将排序关键字设置为第一个元素即顶级域名，并使用列表推导式获取按顶级域名排序后的 URL 列表。

5. 完整代码

   from urllib.parse import urlparse
   from operator import itemgetter
   
   urls = ['https://www.google.com/',
           'https://www.facebook.com/',
           'https://github.com/',
           'https://docs.python.org/3/library/urllib.parse.html',
           'https://www.amazon.com/']
   
   domains = [urlparse(url).netloc for url in urls]
   top_level_domains = [domain.split('.')[-1] for domain in domains]
   sorted_urls = [url for _, url in sorted(zip(top_level_domains, urls), key=itemgetter(0))]
   print(sorted_urls)
   

6. 输出结果

   ['https://www.google.com/', 'https://github.com/', 'https://docs.python.org/3/library/urllib.parse.html', 'https://www.facebook.com/', 'https://www.amazon.com/']
   

由此，我们成功地将 URL 列表按顶级域名进行了排序。

总结

在本文中，我们学习了如何使用 Python 对顶级域名进行排序以对 URL 列表进行排序。借助 Python 提供的库和函数，这一操作变得非常简单。希望这篇文章能够帮助你更好地组织和分析 URL 列表！