识别URL的文件扩展名

Question

我想要提取网址的文件扩展名（尝试识别哪些链接属于我不想要的扩展列表，例如.jpg、.exe等），如果存在的话。所以，我想从以下URL中提取扩展名jpg，并且在没有扩展名的情况下（例如www.example.com/file），返回空值。

我无法想到如何实现它，但我想到了一种方法，即获取最后一个点之后的所有内容，如果有扩展名，则可以查找该扩展名，如果没有扩展名，例如在www.example.com/file的例子中，它会返回com/file（如果没有在我排除的文件扩展名列表中，则是可接受的）。

可能有一种使用我不知道的软件包的替代方法，这个软件包可以确定哪些是实际的扩展名，哪些不是。（即处理URL没有实际扩展名的情况）。

- kyrenia

Answer 1

urlparse模块（Python 3中的urllib.parse）提供了处理URL的工具。虽然它没有提供从URL中提取文件扩展名的方法，但可以通过与os.path.splitext结合使用来实现：

from urlparse import urlparse
from os.path import splitext

def get_ext(url):
    """Return the filename extension from url, or ''."""
    parsed = urlparse(url)
    root, ext = splitext(parsed.path)
    return ext  # or ext[1:] if you don't want the leading '.'

示例用法：

>>> get_ext("www.example.com/image.jpg")
'.jpg'
>>> get_ext("https://www.example.com/page.html?foo=1&bar=2#fragment")
'.html'
>>> get_ext("https://www.example.com/resource")
''

- Zero Piraeus

---

那么，如果URL类似于“https://www.example.com/LWUERKLFsdLKFJGJNasgdfSDsdfaL”，你会得到什么？ - Egor Zamotaev

@EgorZamotaev，这种情况在给出的示例中已经涵盖了。 - Zero Piraeus

不，事实并非如此。使用类似这样的请求来获取文件扩展名的简单方法是：https://dev59.com/iW4NtIcB2Jgan1znSReJ#70532887。 - Egor Zamotaev

Answer 2

如果您的URL中没有扩展名，您可以使用响应头'Content-Type'来获取扩展名，如下所示：

from urllib.request import urlopen

get_ext(url):
    resp = urlopen(url)
    ext = resp.info()['Content-Type'].split("/")[-1]
    return ext

- Egor Zamotaev