如何在Python中将URL字符串分割成单独的部分？

Question

我决定今晚开始学习 Python :) 我对 C 语言相当熟悉（写过一个操作系统），所以在编程方面算不上是新手，Python 的一切看起来都非常简单。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

那么我该怎么样从中创建两个字符串呢？一个包含服务器的“基本”名称，例如：

http://example.com/

还有一个包含路径中不包括最后一个文件名的部分，例如：

http://example.com/random/folder/

当然，我知道可以通过查找第三个和最后一个斜杠来实现，但是否有更好的方法呢？

同时，在这两种情况下，末尾的斜杠都很酷，但我并不介意，因为它可以很容易地添加。 那么是否有一个好的、快速有效的解决方案呢？或者只有“我的”解决方案，查找斜杠？

- Language

---

你可能想要用代码分享你的解决方案。 - monkut

明天回来告诉我们进展如何。我猜你只是在用Python写C代码，而不是真正的Python代码 :-). - paxdiablo

你提到了它，你写过哪个操作系统？ - tzot

你可以在这里找到一个Python正则表达式，用于部分拆分（即URL、方案、域名、顶级域名、端口和查询路径）：https://dev59.com/WWkw5IYBdhLWcg3wn7-O#31952097 - Paolo Rovelli

Answer 1

在 Python 2.x 中使用 urlparse 模块（或在 Python 3.x 中使用 urllib.parse）即可实现。

>>> 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'
>>>

如果您想在URL文件路径上进行更多操作，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将这些部分拼接在一起。

注意：Windows用户可能会在os.path中的路径分隔符上出现问题。 posixpath模块文档有一个特殊的参考URL操作，所以一切都好。

- sykora

---

在urlparse上+1，但不要使用os.path来操作.path部分。os.path的处理因操作系统而异，而URI始终使用“/”作为路径部分分隔符。 - bobince

是的，移除 os.path 部分。可以考虑使用 posixpath 模块替代。这样我会支持你的。 - nosklo

哎呀，我完全错过了那个。我好久没用 Windows 了 :|。已修复。 - sykora

为了方便参考，这里是 Py 2 的过程：import urlparse; parse_object = urlparse.urlparse(url)。 - patrick

Windows用户会被“卡死”，我认为这是因为在Linux出现之前，路径指定符就已经存在了 :) - J. Gwinner

Answer 2

如果您只需要解析URL的这个部分，Python内置的rpartition函数就可以胜任：

>>> 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：

将字符串在最后一个分隔符处分割，并返回一个包含分隔符前面部分、分隔符本身和分隔符后面部分的3元组。如果找不到分隔符，则返回一个包含两个空字符串和字符串本身的3元组。

这意味着rpartition为您进行搜索，并在指定字符（在本例中为/）的最后（最右侧）出现时将字符串拆分。它返回一个包含以下内容的元组：

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

- Mike Hamer

---

我知道每个人都会（有很好的理由）建议使用像urllib这样的库来处理这种情况，但在这种情况下，我有一种情感上的偏好。就我所看到的，这种方法将是完全可靠的。对于这种有限的情况，不需要进行任何复杂的解析。只要传入的URL格式正确，就应该保证路径从第三个斜杠字符开始。我被它吸引，因为它看起来更简单、更快速，而且不需要导入库，但如果我错了，我也准备接受纠正。 - NeilG

Pydoc链接已损坏（404）。 - Peter Mortensen

'sep'是什么？一个简单（固定）的字符串吗？还是一个正则表达式？ - Peter Mortensen

Answer 3

我对Python没有经验，但我找到了urlparse模块，它应该能够完成这项工作。

- Sebastian Dietz

Answer 4

在Python中，许多操作都使用列表完成。 urlparse 模块由Sebasian Dietz提到可能会解决您的具体问题，但如果您通常对寻找字符串中的斜杠等问题感兴趣，则可以尝试类似以下方式：

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

该程序的输出如下:

slashparts = ['http:', '', 'example.com', 'random', 'folder', 'path.html']
basename = http://example.com/
dirname = http://example.com/random/folder/

有趣的部分是 split，join，切片表示法数组[A:B]（包括从末尾偏移的负数），作为奖励，字符串上的% 运算符可提供类似于printf 的格式化。

- Paul Stephenson

Answer 5

看起来 posixpath 模块 在 sykora 的回答中提到 在我的 Python 环境（Python 2.7.3）中不可用。

根据 这篇文章，似乎“正确”的方法是使用...

• urlparse.urlparse 和 urlparse.urlunparse 可以用于分离和重新附加 URL 的基础部分
• os.path 的函数可以用于操作路径
• urllib.url2pathname 和 urllib.pathname2url（使路径名操作可移植，因此可以在 Windows 等上工作）

因此，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'

- Abbafei

---

doughellmann.com的链接已经失效：“404. 页面未找到”。 - Peter Mortensen

Answer 6

您可以使用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“/”后的单词，请使用：

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

- Mayank Jaiswal

---

关于“Python的库”：但不是标准库的一部分。 - Peter Mortensen