如何在 Python 中将 url 字符串拆分为单独的部分？答案

【问题标题】：How can I split a url string up into separate parts in Python?如何在 Python 中将 url 字符串拆分为单独的部分？
【发布时间】：2010-10-01 18:37:40
【问题描述】：

我决定今晚学习 python :) 我非常了解 C（在其中编写了一个操作系统），所以我不是编程的菜鸟，所以 python 中的一切似乎都很容易，但我不知道如何解决这个问题：假设我有这个地址：

http://example.com/random/folder/path.html 现在我如何从中创建两个字符串，一个包含服务器的“基本”名称，所以在这个例子中它是 http://example.com/ 另一个包含没有最后一个文件名的东西，所以在这个例子中它是 http://example.com/random/folder/ . 我当然也知道分别找到第三个和最后一个斜杠的可能性，但也许你知道更好的方法：] 在这两种情况下都有斜杠也很酷，但我不在乎，因为它可以很容易地添加。那么有人对此有一个好的、快速、有效的解决方案吗？还是只有“我的”解决方案，找到斜线？

谢谢！

【问题讨论】：

您可能希望在代码中分享您的解决方案。
明天回来告诉我们你的情况如何。我怀疑你只会用 Python 编写 C 代码，而不是真正的 Python 代码:-)。
既然你提到了，你写的是哪个操作系统？
您可以在此处找到用于部分拆分（即 URL、方案、域、TLD、端口和查询路径）的 Python 正则表达式：stackoverflow.com/questions/9760588/…

标签： python url parsing

【解决方案1】：

你可以使用python的库furl：

f = furl.furl("http://example.com/random/folder/path.html")
print(str(f.path))  # '/random/folder/path.html'
print(str(f.path).split("/")) # ['', 'random', 'folder', 'path.html']

要访问第一个“/”之后的单词，请使用：

str(f.path).split("/") # random

【讨论】：

【解决方案2】：

我没有使用 Python 的经验，但我找到了 urlparse module，它应该可以完成这项工作。

【讨论】：

【解决方案3】：

非常感谢这里的其他回答者，他们通过他们给出的答案为我指明了正确的方向！

sykora 的答案中提到的 posixpath 模块似乎在我的 Python 设置（python 2.7.3）中不可用。

根据this article，似乎“正确”的方法是使用...

urlparse.urlparse 和 urlparse.urlunparse 可用于分离和重新附加 URL 的基础
os.path的函数可以用来操作路径
urllib.url2pathname 和 urllib.pathname2url（使路径名操作可移植，因此可以在 Windows 等系统上运行）

例如（不包括重新附加基本 URL）...

>>> import urlparse, urllib, os.path
>>> os.path.dirname(urllib.url2pathname(urlparse.urlparse("http://example.com/random/folder/path.html").path))
'/random/folder'

【讨论】：

【解决方案4】：

python 2.x 中的 urlparse 模块（或 python 3.x 中的 urllib.parse）将是这样做的方法。

>>> from urllib.parse import urlparse
>>> url = 'http://example.com/random/folder/path.html'
>>> parse_object = urlparse(url)
>>> parse_object.netloc
'example.com'
>>> parse_object.path
'/random/folder/path.html'
>>> parse_object.scheme
'http'
>>>

如果你想对 url 下的文件路径做更多的工作，你可以使用 posixpath 模块：

>>> from posixpath import basename, dirname
>>> basename(parse_object.path)
'path.html'
>>> dirname(parse_object.path)
'/random/folder'

之后，您可以使用 posixpath.join 将各个部分粘合在一起。

编辑：我完全忘记了 Windows 用户会被 os.path 中的路径分隔符阻塞。我阅读了 posixpath 模块文档，它对 URL 操作有一个特殊的参考，所以一切都很好。

【讨论】：

+1 在 urlparse 上，但不要使用 os.path 来操作 .path 部分。 os.path 的处理方式因操作系统而异，而 URI 始终使用“/”作为路径部分分隔符。
是的，删除 os.path 部分。也许改用 posixpath 模块。然后你就会有我的投票。
啊，完全错过了那个。自从我使用 Windows 以来已经有很多年了：|。固定。
为了方便参考，这里是 Py 2 的过程：import urlparse; parse_object = urlparse.urlparse(url)
"windows 用户会窒息......" 我喜欢把它想象成 Linux 用户会被之前的路径说明符窒息 :)

【解决方案5】：

如果这是您的 URL 解析范围，Python 的内置 rpartition 将完成这项工作：

>>> URL = "http://example.com/random/folder/path.html"
>>> Segments = URL.rpartition('/')
>>> Segments[0]
'http://example.com/random/folder'
>>> Segments[2]
'path.html'

来自Pydoc，str.rpartition：

Splits the string at the last occurrence of sep, and returns a 3-tuple containing the part before the separator, the separator itself, and the part after the separator. If the separator is not found, return a 3-tuple containing two empty strings, followed by the string itself

这意味着 rpartition 会为您进行搜索，并在您指定的字符（在本例中为 / ）的最后（最右边）出现处拆分字符串。它返回一个元组，其中包含：

(everything to the left of char , the character itself , everything to the right of char)

【讨论】：

【解决方案6】：

在 Python 中，很多操作都是使用列表完成的。 Sebasian Dietz 提到的 urlparse 模块可以很好地解决您的特定问题，但是如果您通常对 Python 的在字符串中查找斜线的方法感兴趣，请尝试以下操作：

url = 'http://example.com/random/folder/path.html'
# Create a list of each bit between slashes
slashparts = url.split('/')
# Now join back the first three sections 'http:', '' and 'example.com'
basename = '/'.join(slashparts[:3]) + '/'
# All except the last one
dirname = '/'.join(slashparts[:-1]) + '/'
print 'slashparts = %s' % slashparts
print 'basename = %s' % basename
print 'dirname = %s' % dirname

这个程序的输出是这样的：

slashparts = ['http:', '', 'example.com', 'random', '文件夹', 'path.html'] 基本名称 = http://example.com/ 目录名 = http://example.com/random/folder/

有趣的位是split、join、切片符号数组[A:B]（包括从末端偏移的负数）以及作为奖励的字符串上的%运算符提供 printf 样式的格式。

【讨论】：