python - 从列表中的每个项目中删除字符并对相同项目进行计数

Question

我有一个文本文件，每一行都有一个 HTTP 请求。首先，我从文本文件创建了一个列表，现在尝试计算域发送请求的次数。每行都有完整的 URL，因此我需要删除“.com”后面的任何内容，以仅保留域并计算该域发出的请求总数。例如，根据下面的列表，输出将是

• 'https://news.com': 4
• 'https://recipes.com': 4

• “https://books.com”:3

  my_list = ['https:/news.com/main', 'https:/recipes.com/main', 
  'https:/news.com/summary', 'https:/recipes.com/favorites', 
  'https:/news.com/today', 'https:/recipes.com/book', 
  'https:/news.com/register', 'https:/recipes.com/', 
  'https:/books.com/main', 'https:/books.com/favorites', 
  'https:/books.com/sale']
  

Answer 1

您可以使用 re 和 Counter 来完成此操作 -

1. 使用 re.match 提取域名
2. 将表达式传递给 Counter 构造函数

from collections import Counter
import re

c = Counter(re.match('.*com', i).group(0) for i in my_list)

print(c)
Counter({'https:/books.com': 3, 'https:/news.com': 4, 'https:/recipes.com': 4})

请注意，(生成器)理解中的 re.match 无法处理错误(如果您的列表包含无效 URL，则可能会发生这种情况)。在这种情况下，您可能会考虑使用循环 -

r = []
for i in my_list:
    try:
        r.append(re.match('.*com', i).group(0))
    except AttributeError:
        pass

c = Counter(r)