Gerektiğinde 'http: //' protokolünü bir url'ye nasıl ekleyebilirim?

Question

Bir URL'yi ayrıştırmam gerekiyor. Şu anda urlparse.urlparse() ve urlparse.urlsplit() kullanıyorum.

sorun şeması mevcut değilken ben URL'den "netloc" (ana bilgisayar) alınamıyor olmasıdır. Yani i aşağıdaki URL'yi varsa:

www.amazon.com/Programming-Python-Mark-Lutz/dp/0596158106/ref=sr_1_1?ie=UTF8 & qid = 1308060974 & sr = 8 -1

Ben netloc alamayan

:

sözdizimi özelliklerine ardından: piton docs göre www.amazon.com

RFC 1808, urlparse düzgün ‘//’ tarafından tanıtılan yalnızca bir netloc tanır. Aksi halde, girişin olduğu varsayılarak bir URL olarak ve bir yol bileşeni ile başlatılır.

Yani, bilerek yolu. Ancak, netloc'u bu URL'den nasıl alacağımı hala bilmiyorum.

ben düzeni varsa ben kontrol edebilir düşünüyorum ve eğer o değil, o ekleyin ve sonra ayrıştırmak. Ama bu çözüm gerçekten iyi görünmüyor.

Daha iyi bir fikrin var mı?

DÜZENLEME: tüm cevaplar için teşekkürler. Ama, Corey ve diğerlerinin önerdiği şeyleri başaramıyorum. Becouse, diğer protokol/şema ile bir URL alırsanız, ben onu dağıtırdım. Bkz:

ben bu URL'yi alırsanız: i "http: //" eklersiniz önerilen kod ile

ftp://something.com 

başlangıç ​​ve karışıklık o kadar olur.

i nota

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

şey bulduk çözüm:

İlk önce bazı doğrulama yapmak ve herhangi bir şema verilirse ben http olarak kabul: //

Answer 1

Belge, yapıştırdığınız metnin hemen altında bu tam örneğe sahiptir. Eğer yoksa '//' eklemek istediğinizi alacaktır. Protokol ve '//' olup olmayacağını bilmiyorsanız, eklemeniz gerekip gerekmediğini belirlemek için bir normal ifadeyi (hatta sadece '//' içeriyorsa bile) kullanabilirsiniz.

Diğer seçenek ('/') bölümünü kullanacak ve URL hiçbir protokol vardır veya '//' zaman SADECE çalışacak Döndürdüğü listenin ilk elemanını almak olacaktır.

DÜZENLEME (gelecek okuyucular için ekleme): protokolünü tespit etmek için regex sen netloc almak için protokol belirtmeniz gerekir gibi re.match('(?:http|ftp|https)://', url)

Answer 2

URL'nin başlangıcında "http: //" varlığını kontrol etmeyi düşündüğünüz var mı? Bir başka çözüm, ilk kısmın netloc olduğu ve göreceli bir url'nin parçası olmadığı varsayımıyla, her şeyi ilk "/" e götürmek ve bunu netloc olarak kullanmaktır.

Answer 3

gibi bir şey görünüyor olacaktır. Dokümanlar

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 

Answer 4

: bu gibi görünebilir mevcut değilse eklemeden

RFC 1808'de sentaks özellikleri ardından, urlparse düzgün tanıtıldı yalnızca bir netloc tanır tarafından '//'. Aksi halde girişin göreceli bir URL olduğu ve dolayısıyla bir yol bileşeni ile başlayacağı varsayılır.

Yani tıpkı yapabilirsiniz:

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' 

Answer 5

Bu bir liner yapardı.

netloc = urlparse('//' + ''.join(urlparse(url)[1:])).netloc 

Answer 6

protokol ise zaman http yalnızca bir satırını kullanabilirsiniz:

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