Python：切片/转换URL以获取项目和项目计数

如果我有列数据，例如100个条目属于两种格式；在列名称URL下：

http//mysportswebsite.com/shop/?Baseball+Bat=5

http//memoribilia.com/checkout?autograph=1

如何提取购买的物品和编号

理想情况下，我希望添加新列（如果它们还不存在），因为在本例中，棒球棒和签名，然后将各自的计数5和1添加到它们的列中（或者仅添加到列中，如果它们存在于之前的示例中），以根据此数据推断购买计数

我想对python中的整个URL列执行此操作，对于这个问题（信息有点有限），我建议：

如果您的df如下所示：

df = pd.DataFrame(data={"url": ["http//mysportswebsite.com/shop/?Baseball+Bat=5", "http//memoribilia.com/checkout?autograph=1"]})

                                              url
0  http//mysportswebsite.com/shop/?Baseball+Bat=5
1      http//memoribilia.com/checkout?autograph=1

您可以这样做：

df['product_count_tuple'] = df.url.apply(lambda x: x.split('?')[1].split('='))
df['product'] = df.product_count_tuple.apply(lambda x: x[0].replace('+', ' '))
df['count'] = df.product_count_tuple.apply(lambda x: x[1])
df = df.drop('product_count_tuple', 1)

其结果是：

                                              url       product count
0  http//mysportswebsite.com/shop/?Baseball+Bat=5  Baseball Bat     5
1      http//memoribilia.com/checkout?autograph=1     autograph     1

---

以下是使用

re

模块的另一种方法：

import re
df['item'] = df['URL'].apply(lambda x: (re.findall('\?(.*)=', x)[0]).replace('+', ' '))
df['count'] = df['URL'].apply(lambda x: int((re.findall('=(.*)', x)[0])))

---

Python已经有了解析URL的库

>>> import urllib.parse as urlparse
>>> url = 'http//mysportswebsite.com/shop/?Baseball+Bat=5'
>>> parsed_url = urlparse.urlparse(url)
>>> params = urlparse.parse_qs(parsed_url.query)
>>> print(params)
{'Baseball Bat': ['5']}

---

在纯Python中，一种方法是在“？”处拆分字符串，获取第二个组件，然后在“=”处再次拆分

url = 'http://mysportswebsite.com/shop/?Baseball+Bat=5'
item, count = url.split('?')[1].split('=')

您可以使用

apply

在列上运行此操作，但是，如果有大量URL，则对同一操作使用内置字符串方法更有效。语法非常相似

data = pd.Series([
    'http://mysportswebsite.com/shop/?Baseball+Bat=5',
    'http//memoribilia.com/checkout?autograph=1'])
df = data.str.split('?', expand=True)[1].str.split('=', expand=True)
df.columns = ['item', 'count']

---

谢谢你的回答。如果问题因某些URL类似于http//memoribilia.com/checkout？autograph=1&barball+Bat=2&globets=2这样的事实而变得更加复杂，那么在这种情况下，您可以使用希望的输出方式更新您的问题吗？