如何在 Python 中获取 URL 的基本部分

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 pathquery 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。