问题标签 [urlparse]

我正在开发一个需要解析 HTML 页面中的 URL（主要是 HTTP URL）的应用程序——我无法控制输入，并且正如预期的那样，其中一些有点混乱。

我经常遇到的一个问题是 urlparse 在解析和连接在路径部分有双斜杠的 URL 时非常严格（甚至可能有问题？），例如：

http://www.example.com//path我最终得到的是http://path.

顺便说一句，我运行此类代码的原因是因为这是迄今为止我发现从 URL 中剥离查询/片段部分的唯一方法。也许有更好的方法可以做到这一点，但我找不到。

任何人都可以推荐一种避免这种情况的方法，还是我应该使用（相对简单，我知道）正则表达式自己规范化路径？

我试图在最后一个小数点后切断所有内容并将“html”添加到末尾

html

当前代码返回“gen.1.ceb”

我想让名字得到“gen.1.html”

我查看了urlparse.urlparse方法文档，我对这部分是什么有点困惑parameters（不要与更熟悉的query部分混淆，即问号之后和片段部分之前的部分）。

关于 URL 结构的 Wikipedia 条目没有说明任何内容，所以请任何人对此进行详细说明并可能给出一些示例？

假设我有这个网址：

http://example.com/image-title/987654/

我想将“下载”插入“图像标题”和“987654”之间的部分，所以它看起来像：

http://example.com/image-title/download/987654/

帮助将不胜感激！谢谢你。

我需要从此 URL https://stackoverflow.com/questions/ask?next=1&value=3获取查询字符串，并且我不想使用request.META。我发现还有两种获取查询字符串的方法：

1. 使用 urlparse urlparse.urlparse(url).query

2. 使用 url 编码 使用 urlencode 并将 request.GET 参数字典传递给它以获取字符串表示形式。

那么哪种方式更好呢？我的同事更喜欢 urlencode，但没有提供令人满意的解释。他们声称 urlparse 在内部调用 urlencode ，这是我不确定的，因为 urlencode 存在于 urllib 模块中。

我想从 url 解析查询部分，这是我的代码：

这段代码看起来不错，但“parse_qs”方法会丢失“param1”或“param1=”等查询参数。我可以用标准库解析查询部分并保存所有参数吗？

在 Python 的 urlparse 中，可以使用 urlparse 来解析 URL，然后 parse_qsl 来解析查询。

我想删除一个查询（名称，值）对，然后重建 URL。

有一个 urlunparse 方法，但没有 unparse_qsl 方法。

从 qsl 列表重建查询的正确方法是什么？

我正在使用具有以下结构的 CSV：

数据是我浏览历史的清理转储。我有兴趣计算每天的前五个唯一域。这是我到目前为止所拥有的：

使用 d、dt 和 dd，我将日期和时间分开。对于上面的示例行，dt = 20:03:15，dd = 2012-09-01。“if (dt < "090000") and (dt > "060000")” 只是说我只对计算早上 6 点到 9 点之间访问的网站感兴趣。我怎么说“只计算每天早上 6 点之前访问的前五个网站”？任何一天都有数百行，并且这些行按时间顺序排列。

是否有检查IRI的标准功能，以检查我可以使用的 URL：

我使用包含 Unicode 字符的 URL 尝试了上述操作：

我得到的是yes an url。这是否意味着我可以很好地测试有效的 IRI？还有其他方法吗？

我有以下 url 的代码：http://localhost/summary/myfile.csv 我希望 url 看起来像这样：http://localhost/summary?file=myfile.csv

代码要写在烧瓶中。

我的第一个网址的代码如下：