从列表中的每个项目中删除字符并计算相同的项目

Question

我有一个文本文件，每行都有一个HTTP请求。首先，我从文本文件创建了一个列表，现在尝试计算一个域发送请求的次数。 每一行都有完整的URL，所以我需要去掉“.com”之后的任何内容，以便只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-

1. 使用re.match提取域
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（如果列表包含无效URL，则可能会发生错误）。在这种情况下，您可以考虑使用循环-< /p>。

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

c = Counter(r)