使用 Python 对 URL 进行切片答案

【问题标题】：Slicing URL with Python使用 Python 对 URL 进行切片
【发布时间】：2010-09-20 12:00:12
【问题描述】：

我正在处理大量 URL。只是一个简单的问题，我试图将 URL 的一部分切掉，见下文：

http://www.domainname.com/page?CONTENT_ITEM_ID=1234&param2&param3

我怎么能切出来：

http://www.domainname.com/page?CONTENT_ITEM_ID=1234

有时在 CONTENT_ITEM_ID 之后有两个以上的参数，并且 ID 每次都不同，我认为可以通过找到第一个 & 然后在 & 之前切掉字符来完成，不太清楚如何做到这一点呵呵。

干杯

【问题讨论】：

标签： python url string

【解决方案1】：

使用urlparse 模块。检查此功能：

import urlparse

def process_url(url, keep_params=('CONTENT_ITEM_ID=',)):
    parsed= urlparse.urlsplit(url)
    filtered_query= '&'.join(
        qry_item
        for qry_item in parsed.query.split('&')
        if qry_item.startswith(keep_params))
    return urlparse.urlunsplit(parsed[:3] + (filtered_query,) + parsed[4:])

在你的例子中：

>>> process_url(a)
'http://www.domainname.com/page?CONTENT_ITEM_ID=1234'

如果您决定还需要更多查询参数，或者如果参数的顺序不固定，则此功能更易于使用，如下所示：

>>> url='http://www.domainname.com/page?other_value=xx&param3&CONTENT_ITEM_ID=1234&param1'
>>> process_url(url, ('CONTENT_ITEM_ID', 'other_value'))
'http://www.domainname.com/page?other_value=xx&CONTENT_ITEM_ID=1234'

【讨论】：

【解决方案2】：

快速而肮脏的解决方案是这样的：

>>> "http://something.com/page?CONTENT_ITEM_ID=1234&param3".split("&")[0]
'http://something.com/page?CONTENT_ITEM_ID=1234'

【讨论】：

【解决方案3】：

另一种选择是使用 split 函数，将 & 作为参数。这样，您将同时提取基本 url 和两个参数。

   url.split("&")

返回一个列表

  ['http://www.domainname.com/page?CONTENT_ITEM_ID=1234', 'param2', 'param3']

【讨论】：

【解决方案4】：

我发现下面是我需要做的：

url = "http://www.domainname.com/page?CONTENT_ITEM_ID=1234&param2&param3"
url = url[: url.find("&")]
print url
'http://www.domainname.com/page?CONTENT_ITEM_ID=1234'

【讨论】：

小心这个 - 如果没有参数（没有“&”），它只会从 url 中删除最后一个字符。
请参阅stackoverflow.com/questions/229352/python-find-question 以获得更好的解决方案。
啊，我知道这可能是个问题，感谢您的警告。我使用的列表后面总是有一个参数，但我以后会记住这一点。 :)
小心 url 解析，这在大多数情况下并不像看起来那么容易。你最好使用 urlparse 模块，即使它看起来很简单。
@Eef：总是意味着“大部分”。从不意味着“很少”。只要您说“始终”，您就知道它会中断，因为 14,000 人中有 2 人违反了您的“始终”规则。

【解决方案5】：

Parsin URL 从来没有看起来那么简单，这就是为什么有 urlparse 和 urllib 模块。

E.G：

import urllib
url ="http://www.domainname.com/page?CONTENT_ITEM_ID=1234&param2&param3"
query = urllib.splitquery(url)
result = "?".join((query[0], query[1].split("&")[0]))
print result
'http://www.domainname.com/page?CONTENT_ITEM_ID=1234'

这仍然不是 100 % 可靠，但比你自己拆分它要多得多，因为有很多你和我不知道的有效 url 格式，有一天会在错误日志中发现。

【讨论】：

【解决方案6】：

import re
url = 'http://www.domainname.com/page?CONTENT_ITEM_ID=1234&param2&param3'
m = re.search('(.*?)&', url)
print m.group(1)

【讨论】：

【解决方案7】：

查看urllib2 file name 问题以了解有关此主题的一些讨论。

另请参阅“Python Find Question”问题。

【讨论】：

【解决方案8】：

此方法不依赖于参数在 url 字符串中的位置。我敢肯定，这可以改进，但它明白了重点。

url = 'http://www.domainname.com/page?CONTENT_ITEM_ID=1234&param2&param3'
parts = url.split('?')
id = dict(i.split('=') for i in parts[1].split('&'))['CONTENT_ITEM_ID']
new_url = parts[0] + '?CONTENT_ITEM_ID=' + id

【讨论】：

【解决方案9】：

一个古老的问题，但我还是想说，查询字符串参数也可以用';'分隔不仅仅是'&'。

【讨论】：

【解决方案10】：

除了urlparse还有furl，它有恕我直言更好的API。

【讨论】：