urllib.parse.urlparse()正确拆解URL并提取netloc和query，再用parse_qs解析参数；避免str.split或正则硬拆，因其无法处理URL编码、嵌套问号及锚点。
用 urllib.parse 拆解 URL，别直接字符串切片
直接用 str.split("?", 1) 或正则硬拆 URL 容易漏掉编码字符（如 %20）、嵌套问号（如重定向 URL 中的原始参数）、或带锚点的 # 片段。Pandas 本身不提供 URL 解析能力，必须配合标准库 urllib.parse。
实操建议：
- 对单个 URL，用
urllib.parse.urlparse()得到ParseResult对象，再取.netloc（域名）和.query（原始参数字符串） - 对 Pandas 的
Series，用.apply()+ 匿名函数封装解析逻辑，避免循环；若数据量大（>10 万行），可考虑用map()替代apply()略微提速 -
.netloc已自动处理端口（如example.com:8080），但不含协议和路径；若需纯主域名（去掉子域和端口），得额外用urllib.parse.urlunparse()或第三方库（如tldextract）
pd.Series.str.extract() 适合简单模式，但不推荐用于通用 URL 解析
如果 URL 格式高度统一（如全为 https://shop.example.com/path?k=v&u=1），可用正则快速提取：
df["domain"] = df["url"].str.extract(r"https?://([^/?#]+)") df["params"] = df["url"].str.extract(r"\?([^#]*)")
但要注意：
立即学习“Python免费学习笔记（深入）”；
- 正则无法正确处理 URL 编码，
%3F（即?）会被误判为参数起始符 - 遇到
http://a.b/c?d=e#f?g=h这类带锚点且锚点里含问号的情况，正则极易错配 -
str.extract()返回NaN而非空字符串，后续做.fillna("")是常见补救操作
批量提取参数键值对：用 urllib.parse.parse_qs() 而非手动 split("&")
拿到 .query 字符串后，别用 .split("&") 再 .split("=") —— 这会破坏含等号的值（如 token=a=b&c=d）或未编码的空格。
正确做法是：
- 对每个
.query字符串，调用urllib.parse.parse_qs(qs, keep_blank_values=True) - 它返回字典：
{"k": ["v"], "u": ["1", "2"]}（注意值恒为列表，因参数可重复） - 若需扁平化成单值（取第一个），用
{k: v[0] for k, v in parsed.items()}；若需保留多值，转成 JSON 字符串存入列更稳妥 - 遇到空 query（
None或空字符串），parse_qs返回空字典，无需额外判空
性能关键：避免在 apply 里重复 import 或构造对象
写法错误示例：
df["domain"] = df["url"].apply(lambda x: urllib.parse.urlparse(x).netloc)
看似简洁，但每次调用都触发一次函数查找（urllib.parse.urlparse）。高频调用下开销明显。优化方式：
- 提前绑定函数：
from urllib.parse import urlparse，再用df["url"].apply(lambda x: urlparse(x).netloc) - 更进一步，用
map()替代apply()（map()对 Series 更底层，无索引对齐开销） - 若需同时提取域名、路径、参数，别写三次
apply；应一次解析，返回pd.Series，再用expand=True拆列
真正难的不是拆 URL，而是定义清楚“域名”指什么——是 netloc、主域名（example.com）、还是注册域名（co.uk 下的 bbc.co.uk）？这一步没想清，后面所有解析都可能白做。
