如何使用Python自动识别URL的协议类型（HTTP或HTTPS）？

python识别http和https

在处理大量网络相关数据时，识别url中使用的协议（http或https）至关重要。对于像www.example.com这样的常见url，手动添加协议比较容易。但是，当处理数量较大的url时，自动化识别变得更加必要。

使用python，可以通过以下方式识别http和https：

1. 端口端口识别法：

   

   歌者PPT

   歌者PPT，AI 写 PPT 永久免费

   下载

   立即学习“Python免费学习笔记（深入）”；

   • 默认情况下，http使用端口80，而https使用端口443。
   • 您可以尝试使用端口80或443访问url。如果成功，则可以判断相应的协议。
   • 可以使用以下代码段进行尝试：

import socket

def identify_protocol(url):
    try:
        # 尝试使用端口80
        s = socket.socket(socket.af_inet, socket.sock_stream)
        s.connect((url, 80))
        return "http"
    except:
        try:
            # 尝试使用端口443
            s = socket.socket(socket.af_inet, socket.sock_stream)
            s.connect((url, 443))
            return "https"
        except:
            return "unknown"

2. 尝试连接法：

   • 对于公共网站，您可以尝试同时使用http和https进行连接。
   • 如果连接成功，则可以判断相应的协议。
   • 可以使用以下代码段进行尝试：

import requests

def identify_protocol(url):
    try:
        # 尝试使用HTTP
        response = requests.get("http://" + url)
        if response.status_code == 200:
            return "HTTP"
    except:
        try:
            # 尝试使用HTTPS
            response = requests.get("https://" + url)
            if response.status_code == 200:
                return "HTTPS"
        except:
            return "Unknown"

通过使用这些方法，您可以高效地识别http和https协议，从而方便后续的处理和分析。