web-dev-qa-db-ja.com

PythonでURL文字列を別々の部分に分割するにはどうすればよいですか？

私はpython今夜:)私はCをかなりよく知っている（OSを書いた）ので、プログラミングの初心者ではないので、pythonはかなり簡単に思えますが、この問題を解決する方法がわかりません。次のアドレスを持っているとしましょう。

http://example.com/random/folder/path.html これから、サーバーの「ベース」名を含む2つの文字列を作成するにはどうすればよいですか。この例では、次のようになります。 http://example.com/ そして最後のファイル名のないものを含む別のものなので、この例では http://example.com/random/folder/ =。また、もちろん、それぞれ3番目と最後のスラッシュを見つける可能性も知っていますが、もっと良い方法を知っているかもしれません：]どちらの場合も末尾のスラッシュがあると便利ですが、簡単に追加できるので気にしません。それで、誰もがこれのための良い、速く、効果的な解決策を持っていますか？それとも、スラッシュを見つける「私の」解決策しかありませんか？

ありがとう！

pythonurlparsing
17
Language

python 2.x（またはpython 3.x）のurllib.parse）のurlparseモジュールがそれを行う方法です。

>>> 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'
>>>

URLの下のファイルのパスでさらに作業を行いたい場合は、posixpathモ​​ジュールを使用できます。

>>> from posixpath import basename, dirname
>>> basename(parse_object.path)
'path.html'
>>> dirname(parse_object.path)
'/random/folder'

その後、posixpath.joinを使用してパーツを接着できます。

編集：Windowsユーザーがos.pathのパス区切り文字で窒息することを完全に忘れました。 posixpathモ​​ジュールのドキュメントを読みましたが、URL操作への特別な参照があるので、すべて問題ありません。

52
sykora

これがURL解析の範囲である場合、Pythonの組み込みrpartitionがその役割を果たします。

>>> URL = "http://example.com/random/folder/path.html"
>>> Segments = URL.rpartition('/')
>>> Segments[0]
'http://example.com/random/folder'
>>> Segments[2]
'path.html'

から Pydoc 、str.rpartition：

Splits the string at the last occurrence of sep, and returns a 3-Tuple containing the part before the separator, the separator itself, and the part after the separator. If the separator is not found, return a 3-Tuple containing two empty strings, followed by the string itself

これが意味するのは、rpartitionがあなたを検索し、指定した文字（この場合は/）の最後（右端）にある文字列を分割するということです。以下を含むタプルを返します。

(everything to the left of char , the character itself , everything to the right of char)
11
Mike Hamer

私はPythonの経験がありませんが、 rlparse module を見つけました。これでうまくいくはずです。

9
Sebastian Dietz

In Python多くの操作はリストを使用して行われます。SebasianDietzによって言及されたurlparseモジュールは特定の問題を解決する可能性がありますが、文字列のスラッシュを見つけるPythonの方法に一般的に興味がある場合は、たとえば、次のようなものを試してください。

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

このプログラムの出力は次のとおりです。

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

興味深いビットは、split、join、スライス表記配列[A：B]（最後からのオフセットの負の値を含む）、そしてボーナスとして%文字列の演算子。printfスタイルのフォーマットを提供します。

8
Paul Stephenson

ここにいる他の回答者に感謝します。彼らが与えた回答を通じて私を正しい方向に向けてくれました！

sykoraの答えで言及されているposixpathモ​​ジュールは、私のPythonセットアップ（python 2.7.3）では利用できないようです。

この記事 のように、これを行うための「適切な」方法は...を使用しているようです。

  • urlparse.urlparseおよびurlparse.urlunparseを使用して、URLのベースをデタッチおよび再アタッチできます
  • os.pathの関数を使用して、パスを操作できます
  • urllib.url2pathnameおよびurllib.pathname2url（パス名の操作を移植可能にして、Windowsなどで機能できるようにするため）

したがって、たとえば（ベースURLの再添付は含まれません）...

>>> import urlparse, urllib, os.path
>>> os.path.dirname(urllib.url2pathname(urlparse.urlparse("http://example.com/random/folder/path.html").path))
'/random/folder'
2
Abbafei

Pythonのライブラリfurlを使用できます。

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']

最初の「/」の後にWordにアクセスするには、次を使用します。

str(f.path).split("/") # random
1
Mayank Jaiswal