必要に応じて、「http：//」プロトコルをURLにプレップするにはどうすればよいですか？ [複製

StackOverflow https://stackoverflow.com/questions/6344993

質問

この質問にはすでに答えがあります：

URLを解析する必要があります。現在、urlparse.urlparse（）およびurlparse.urlsplit（）を使用しています。

問題は、スキームが提示されていない場合、URLから「netloc」（ホスト）を取得できないことです。つまり、次のURLがある場合：

www.amazon.com/programming-python-mark-lutz/dp/0596158106/ref=sr_1_1?ie=utf8&qid=1308060974&sr=8-1

netloc：www.amazon.comを入手できません

Python Docsによると：

RFC 1808の構文仕様に従って、urlparseは「//」によって適切に導入された場合にのみNetlocを認識します。それ以外の場合、入力は相対URLであると推定されているため、パスコンポーネントから開始します。

だから、それは意図的にこの方法です。しかし、私はまだそのURLからNetlocを取得する方法を知りません。

スキームが存在するかどうか、そうでない場合は、追加してから解析できると思います。しかし、このソリューションは本当に良くないようです。

もっと良いアイデアはありますか？

編集：すべての答えをありがとう。しかし、私はコーリーなどによって提案されている「スタートスイス」のことをすることはできません。他のプロトコル/スキームでURLを取得した場合、私はそれを台無しにします。見る：

このURLを取得した場合：

ftp://something.com

提案されたコードを使用すると、「http：//」を開始に追加し、それを台無しにします。

私が見つけた解決策

if not urlparse.urlparse(url).scheme:
   url = "http://"+url
return urlparse.urlparse(url)

注意すべきこと：

私は最初にいくつかの検証をします、そしてスキームが与えられない場合、私はそれがhttp：//であると考えます

役に立ちましたか？

解決

ドキュメントには、貼り付けたテキストのすぐ下にあるこの正確な例があります。 「//」を追加していない場合は、必要なものが得られます。プロトコルと「//」があるかどうかがわからない場合は、Regexを使用して（または既に「//」が含まれているかどうかを確認して、追加する必要があるかどうかを判断できます。

他のオプションは、split（ '/'）を使用し、返されるリストの最初の要素を使用することです。これは、URLにプロトコルまたは「//」がない場合にのみ機能します。

編集（将来の読者向けの追加）：プロトコルを検出するための正規表現は次のようなものです re.match('(?:http|ftp|https)://', url)

他のヒント

Netlocを取得するには、プロトコルを指定する必要があるようです。

存在しない場合は、次のように見えるかもしれません。

import urlparse

url = 'www.amazon.com/Programming-Python-Mark-Lutz'
if '//' not in url:
    url = '%s%s' % ('http://', url)
p = urlparse.urlparse(url)
print p.netloc

ドキュメントから：

RFC 1808の構文仕様に従って、urlparseは「//」によって適切に導入された場合にのみNetlocを認識します。それ以外の場合、入力は相対URLであると推定されているため、パスコンポーネントから開始します。

だからあなたはただできる：

In [1]: from urlparse import urlparse

In [2]: def get_netloc(u):
   ...:     if not u.startswith('http'):
   ...:         u = '//' + u
   ...:     return urlparse(u).netloc
   ...: 

In [3]: get_netloc('www.amazon.com/Programming-Python-Mark-Lutz/dp/0596158106/ref=sr_1_1?ie=UTF8&qid=1308060974&sr=8-1')
Out[3]: 'www.amazon.com'

In [4]: get_netloc('http://www.amazon.com/Programming-Python-Mark-Lutz/dp/0596158106/ref=sr_1_1?ie=UTF8&qid=1308060974&sr=8-1')
Out[4]: 'www.amazon.com'

In [5]: get_netloc('https://www.amazon.com/Programming-Python-Mark-Lutz/dp/0596158106/ref=sr_1_1?ie=UTF8&qid=1308060974&sr=8-1')
Out[5]: 'www.amazon.com'

プロトコルの場合 常にhttp 1つの行のみを使用できます。

return "http://" + url.split("://")[-1]

より良いオプションはそうです プロトコルが通過した場合は、プロトコルを使用します:

return url if "://" in url else "http://" + url

URLの開始時に「http：//」の存在をチェックするだけで、そこにない場合は追加しましたか？別の解決策は、最初の部分が実際にNetlocであり、相対URLの一部ではないと仮定することで、すべてを最初の「/」までつかみ、それをNetlocとして使用することです。

この1つのライナーはそれをします。

netloc = urlparse('//' + ''.join(urlparse(url)[1:])).netloc
ライセンス： CC-BY-SA と 帰属
所属していません StackOverflow
scroll top