3

我有这个网址：

http://www.exmaple.com/boo/a.php?a=jsd

我想要的输出是这样的：

http://www.exmaple.com/boo/

如果我有，同样明智

http://www.exmaple.com/abc.html

它应该是

http://www.exmaple.com/

和

http://www.exmaple.com/

应该返回

http://www.exmaple.com/

没有任何改变

这是我尝试过的 

re.sub(r'\?[\S]+','',"http://www.exmaple.com/boo/a.php?a=jsd")

但它返回 

http://www.exmaple.com/boo/a.php

有什么建议可以做些什么来获得正确的输出，或者有没有人有更好的想法来完成这项工作？

4

3 回答 3

5

请urlparse像这样使用 stdlib 模块。一般来说，除非绝对必要，否则我会尽量避免使用正则表达式。

from urlparse import urlparse, urlunparse
>>> parsed = urlparse("http://www.exmaple.com/boo/a.php?a=jsd")
>>> scheme, netloc, path, params, query, fragment = parsed
>>> urlunparse((scheme,netloc,path.split('/')[1],'','',''))
'http://www.exmaple.com/boo'
于 2013-01-08T14:43:43.173 回答
1

我会做这样的事情：

>>> import re
>>> url = "http://www.exmaple.com/boo/a.php?a=jsd"
>>> url[:url.rfind("/")+1]
'http://www.exmaple.com/boo/'

删除最后一个“/”之后的所有内容。我不确定它是否涵盖所有特殊情况...

编辑：使用新解决方案urlparse和我的简单rfind：

import re, urlparse
def url_cutter(url):
    up = urlparse.urlparse(url)
    url2 = up[0]+"://"+up[1]+up[2]
    if url.rfind("/")>6:
            url2 = url2[:url2.rfind("/")+1]
    return url2

然后：

In [36]: url_cutter("http://www.exmaple.com/boo/a.php?a=jsd")
Out[36]: 'http://www.exmaple.com/boo/'

In [37]: url_cutter("http://www.exmaple.com/boo/a.php?a=jsd#dvt_on")
Out[37]: 'http://www.exmaple.com/boo/'

In [38]: url_cutter("http://www.exmaple.com")
Out[38]: 'http://www.exmaple.com'
于 2013-01-08T14:25:27.867 回答
0

可能有一种更优化的方法来做到这一点，但使用这种方法，您将不需要晦涩的导入或第三方包。

url = "http://www.google.com/abc/abc.html?q=test"
cleaned_url = url[:url.rindex("?")]
cleaned_url = cleaned_url.split("/")
cleaned_url = [item for item in cleaned_url if ".html" not in item]
cleaned_url = "/".join(cleaned_url)
于 2013-01-08T15:27:57.880 回答