Python怎样实现转换URL详解
人气:0设计一个算法,将URL转换成5部分,分别是:schema、netloc、path、query_params、fragment。
问题
URL的中文名叫统一资源定位符,就是咱们常说的网址,设计一个算法,将URL转换成5部分,分别是:schema、netloc、path、query_params、fragment。
<scheme>://<netloc>/<path>?<query_params>#<fragment>
一图胜千言:
应用场景
在实际应用场景中,有些聚合网站会把URL里面netloc提取出来。
分析
这里没有什么特别复杂的算法,因为每部分都有一个特别的字符,所以,如果你熟练Python的字符串操作和正则表达式使用的话那么就很简单。
知识点
字符串的常用方法split、find、join、lower、切片的使用,re模块下面的常用方法。另外还有关于如何使用 namedtuple 定义一个简单类的操作
实现
第一种方式使用字符串提供的方法,就是根据关键字符进行切分。整体思路是利用字符串的切片功能不断进行切分,代码稍显复杂。
URL = namedtuple("URL", ["schema", "netloc", "path", "params", "fragment"]) def url_parse1(url): assert url.startswith("http") # 初始化每部分为空 schema = netloc = params = fragment = path = None # 从 :// 切分 url,前面部分是shema i = url.find('://') if i > 0: schema = url[:i] url = url[i + 3:] # 获取netloc for c in "/?#": # 三个分隔符的顺利很重要 a = url.find(c) if a > 0: # 只要有三个字符中的任意字符,立即切分,前部分就是netloc,剩下的部分进行后续处理 netloc, url = url[0:a], url[a:] break else: netloc, url = url, '' # 如果三个分隔符都不在url中,那么这是一个只包含 # 同样的方式获取path for c in "?#": a = url.find(c) if a > 0: path, url = url[0:a], url[a:] break else: path, url = url or None, '' if "#" in url: url, fragment = url.split("#", 1) if '?' in url: url, params = url.split('?', 1) return URL(schema=schema, netloc=netloc, path=path, params=_params_parse(params), fragment=fragment) def _params_parse(params): if not params: return None pairs = [s for s in params.split('&')] param_dict = dict() for pair in pairs: k, v = pair.split('=', 1) param_dict[k] = v return param_dict
第二种方式就是用正则表达式,主要考验你写正则的能力
def url_parse2(url): rex = r'^(http[s]?):\/\/([^\/\s]+)([\/\w\-\.]+[^#?\s]*)?(\?([^#]*))?(#(.*))?$' schema = netloc = params = fragment = path = '' pattern = re.compile(rex) match = pattern.match(url) if match: schema = match.group(1) netloc = match.group(2) path = match.group(3) params = match.group(5) fragment = match.group(7) return URL(schema=schema, netloc=netloc, path=path, params=_params_parse(params), fragment=fragment)
通过正则表达式的分组功能提取每部分,关于正则表达式推荐两个资源
Python中正则表达式介绍, 这是一篇比较完整介绍Python中正则表达式的文章,如果你能读懂里面的每句话,并且实践后,你一定能写出上面这样的表达式出来。
当然,你也可以直接使用urlparse模块中现成的方式来实现。
您可能感兴趣的文章:
加载全部内容