迹忆客 专注技术分享

要获取 URL 的基本部分：

1. 将 url 从 urllib.parse 模块传递给 urlparse 方法。
2. 访问解析结果的 netloc 属性。

from urllib.parse import urlparse

my_url = 'https://example.com/images/wallpaper.jpg'

parsed = urlparse(my_url)
# 👇️ ParseResult(scheme='https', netloc='example.com', path='/images/wallpaper.jpg', params='', query='', fragment='')
print(parsed)

base = parsed.netloc
print(base)  # 👉️ example.com

path = parsed.path
print(path)  # 👉️ /images/wallpaper.jpg

with_path = base + '/'.join(path.split('/')[:-1])
print(with_path)  # 👉️ example.com/images

print(path.split('/'))  # 👉️ ['', 'images', 'wallpaper.jpg']

我们使用了 urllib.parse 模块中的 urlparse 方法。

urlparse 方法接受一个 URL 并将其解析为六个组件。

from urllib.parse import urlparse

my_url = 'https://example.com/images/wallpaper.jpg'

parsed = urlparse(my_url)
# 👇️ ParseResult(scheme='https', netloc='example.com', path='/images/wallpaper.jpg', params='', query='', fragment='')
print(parsed)

base = parsed.netloc
print(base)  # 👉️ example.com

path = parsed.path
print(path)  # 👉️ /images/wallpaper.jpg

解析结果的 netloc 属性返回基本 URL。

我们还可以访问其他属性，如 path、query 等。

如果我们需要从结果中排除部分路径，请使用 str.rsplit() 或 str.split() 方法。

from urllib.parse import urlparse

my_url = 'https://example.com/images/wallpaper.jpg'

parsed = urlparse(my_url)

base = parsed.netloc
print(base)  # 👉️ example.com

path = parsed.path
print(path)  # 👉️ /images/wallpaper.jpg

with_path = base + '/'.join(path.rsplit('/', 1)[:-1])
print(with_path)  # 👉️ example.com/images

print(path.rsplit('/', 1))  # 👉️ ['/images', 'wallpaper.jpg']

str.rsplit 方法使用提供的分隔符作为分隔符字符串返回字符串中的单词列表。

# 👇️ ['/images', 'wallpaper.jpg']
print('/images/wallpaper.jpg'.rsplit('/', 1))

# 👇️ ['', 'images', 'wallpaper.jpg']
print('/images/wallpaper.jpg'.rsplit('/'))

该方法采用以下 2 个参数：

• separator 在每次出现分隔符时将字符串拆分为子字符串
• maxsplit 最多完成最大拆分，最右边的拆分（可选）

除了从右侧拆分外，rsplit() 的行为类似于 split()。

如果只想从右侧拆分一次，则可以将 maxsplit 参数设置为 1。

这是另一个嵌套更深的 URL 示例。

from urllib.parse import urlparse

my_url = 'https://example.com/images/nature/wallpaper.jpg'

parsed = urlparse(my_url)

base = parsed.netloc
print(base)  # 👉️ example.com

path = parsed.path
print(path)  # 👉️ /images/wallpaper.jpg

with_path = base + path.rsplit('/', 2)[0]
print(with_path)  # 👉️ example.com/images


print(path.rsplit('/', 2))  # 👉️ ['/images', 'nature', 'wallpaper.jpg']

示例中的 URL 更深一层。

我们将 URL 从右侧拆分 2 次，并将 /images 路径添加到基本 URL。