关于urllib几个提取url方法的用法以及局限性。

以下所有的代码均是是python3.6环境运行

1、提取url的类别

    import urllib.request

d = urllib.request.splittype("https://www.baidu.com//")
print(d)
a = urllib.request.splittype("https://www.baidu.com")
print(a)

('https', '//www.baidu.com//')
('https', '//www.baidu.com')

返回的是一个元祖

2、提取url中的host

b = urllib.request.splithost("//www.baidu.com/aaa")
print(b)
c = urllib.request.splithost("www.baidu.com/aaa")
print(c)

e = urllib.request.splithost("https://www.baidu.com/aaa")
print(e)

('www.baidu.com', '/aaa')
(None, 'www.baidu.com/aaa')
(None, 'https://www.baidu.com/aaa')
由此可见，只有符合//开头的url 才能准确提取到url的host