Python 从字符串中删除重复（重叠）斜杠

我正在像这样解析URL

>>> from urllib.parse import urlparse
>>> urlparse('http://foo.bar/path/to/heaven')
ParseResult(scheme='http', netloc='foo.bar', path='/path/to/heaven', params='', query='', fragment='')

假设我有一个URL，它的路径格式不正确，经常出现

/

，如下所示：

>>> x = urlparse('http://foo.bar/path/to/////foo///baz//bar'))
ParseResult(scheme='http', netloc='foo.bar', path='/path/to/////foo///baz//bar', params='', query='', fragment='')

>>> newpath = x.path.split('/')
['', 'path', 'to', '', '', '', '', 'foo', '', '', 'baz', '', 'bar']
>>> for i in newpath:
    if i == '':
        newpath.remove('')
>>> '/'.join(newpath)
'/path/to/foo/baz/bar'

如您所见，

x.path

仍然包含反复出现的斜杠，我正在尝试删除它们，因此我尝试过拆分、循环和替换，如下所示：

>>> x = urlparse('http://foo.bar/path/to/////foo///baz//bar'))
ParseResult(scheme='http', netloc='foo.bar', path='/path/to/////foo///baz//bar', params='', query='', fragment='')

>>> newpath = x.path.split('/')
['', 'path', 'to', '', '', '', '', 'foo', '', '', 'baz', '', 'bar']
>>> for i in newpath:
    if i == '':
        newpath.remove('')
>>> '/'.join(newpath)
'/path/to/foo/baz/bar'

---

这将提供所需的输出，但我认为这种解决方案效率低下，而且是垃圾。如何才能做得更好？

这就是正则表达式的用途：

import regex as re

url = "http://foo.bar/path/to/////foo///baz//bar"

rx = re.compile(r'(?:(?:http|ftp)s?://)(*SKIP)(*FAIL)|/+')
url = rx.sub('/', url)
print(url)

这就产生了

http://foo.bar/path/to/foo/baz/bar

看。唯一真正的问题是在协议中保留任何前向斜杠，因此更新的

regex

模块和

（*SKIP）（*FAIL）

。您可以通过

re

模块中的lookbehinds实现相同的功能

import re

s = 'http://foo.bar/path/to/////foo///baz//bar'

s = re.sub(r'(?<!:)/{2,}', '/', s)
print(s)

---

编辑：编译正则表达式：

import re

s = 'http://foo.bar/path/to/////foo///baz//bar'
r = re.compile(r'(?<!:)/{2,}')

s = r.sub('/', s)
print(s)

重新导入
s=http://foo.bar/path/to/////foo///baz//bar'
r=re.compile（r’（？您不应该修改正在迭代的列表。请参阅

您可以使用列表理解来创建一个没有所有
'
元素的列表

newpath = [s in x.path.split('/') if s != '']
'/'.join(newpath)

你试过正则表达式的方法吗？@jsb不，我读过关于正则表达式速度慢，最多应该避免，这就是为什么我没有想到使用正则表达式。正则表达式速度慢可能不是真的。你认为这种方法比正则表达式快还是对数百万个URL的性能微不足道？你认为这种方法比@barmar list快吗理解答案或其对数百万个URL的可忽略性能？你认为这种方法比@barmar list comprehension和Jan regex answer或其对数百万个URL的可忽略性能快吗？@tofu唯一的方法是测试它。但要加快速度，请先编译regex（参见我的编辑）