如何在Python中获取URL的基础？

我试图确定URL的基础，或者除了页面和参数之外的所有内容。我试过使用split，但是有没有比把它拆分成碎片更好的方法呢？有没有办法删除最后一个“/”中的所有内容

鉴于此：

我想：

---

首先，您可以使用：

它不是显式地用于URL，但它恰好在URL上工作（即使在Windows上），它只是没有留下尾随斜杠（您可以自己添加它）

您可能还希望查看更细粒度的解析；如果URL包含查询字符串或散列，您可能希望将其解析为多个部分，修剪解析返回的

路径

组件，然后重新组合，以便在不丢失查询和散列信息的情况下修剪路径

最后，如果您想在最后一条斜线后拆分组件，可以使用

1

的

maxplit

执行一次操作，并保留第一个组件：

>>> 'http://127.0.0.1/asdf/login.php'.rsplit('/', 1)[0]
'http://127.0.0.1/asdf'

---

获取最正确的斜杠出现次数；在原始字符串中的该位置使用字符串切片。+1将在末尾获得最后一个斜杠

link = "http://127.0.0.1/asdf/login.php"
link[:link.rfind('/')+1]

---

无需使用正则表达式，只需使用

rsplit（）

：

---

最好的方法是使用

从文档中：

该模块的设计目的是与相关网络上的互联网RFC相匹配 统一资源定位器。它支持以下URL方案：

file

，

ftp

，

gopher

，

hdl

，

http

，

https

，

imap

，

mailto

，

mms

，

news

，

nntp

，

prospero

，

rsync

，

rtsp

，

rtspu

，

sftp

，

shttp

，

sip

，

snews

，

svn

，

svn+ssh

，

telnet

，

wais

，

ws

，

wss

您可能希望使用和执行以下操作：

---

如果使用python3，则可以使用urlparse和urlparse

In :from urllib.parse import urlparse, urlunparse

In :url = "http://127.0.0.1/asdf/login.php"

In :result = urlparse(url)

In :new = list(result)

In :new[2] = new[2].replace("login.php", "")

In :urlunparse(new)
Out:'http://127.0.0.1/asdf/'

---

使用urllib库有Python3的最短解决方案（不知道是否最快）：

请记住，urllib库支持与HTML关键字兼容的uri/url。这意味着以“/”结尾的uri/url与此处不带like的uri/url不同：

---

这是指向用于python的urllib的链接：

当您使用URLSPILT时，它将返回一个SplitResult对象：

from urllib.parse import urlsplit
split_url = urlsplit('http://127.0.0.1/asdf/login.php')
print(split_url)

>>> SplitResult(scheme='http' netloc='127.0.0.1' path='/asdf/login.php' query='' fragment='') 

您可以创建自己的SplitResult（）对象并将其传递给urlunsplit。这段代码应该适用于多个url拆分，无论其长度如何，只要您知道您想要的最后一个path元素是什么

from urllib.parse import urlsplit, urlunsplit, SplitResult

# splitting url:
split_url = urlsplit('http://127.0.0.1/asdf/login.php')

# editing the variables you want to change (in this case, path):    
last_element = 'asdf'   # this can be any element in the path.
path_array = split_url.path.split('/')

# print(path_array)
# >>> ['', 'asdf', 'login.php']

path_array.remove('') 
ind = path_array.index(last_element) 
new_path = '/' + '/'.join(path_array[:ind+1]) + '/'

# making SplitResult() object with edited data:
new_url = SplitResult(scheme=split_url.scheme, netloc=split_url.netloc, path=new_path, query='', fragment='')

# unsplitting:
base_url = urlunsplit(new_url)

---

同意这样做的最佳方式是

具体来说，您可以使用分解url，然后用空字符串替换除

scheme

和

netloc

之外的所有属性。如果您想保留

path

属性（如您的问题所示），可以通过额外的字符串解析步骤来实现。下面的函数示例：

import urllib.parse
def base_url(url, with_path=False):
    parsed = urllib.parse.urlparse(url)
    path   = '/'.join(parsed.path.split('/')[:-1]) if with_path else ''
    parsed = parsed._replace(path=path)
    parsed = parsed._replace(params='')
    parsed = parsed._replace(query='')
    parsed = parsed._replace(fragment='')
    return parsed.geturl()

示例：

>>> base_url('http://127.0.0.1/asdf/login.php', with_path=True)
'http://127.0.0.1/asdf'
>>> base_url('http://127.0.0.1/asdf/login.php')
'http://127.0.0.1'

---

re.sub（r“[^/]*（\？*）$”，“”，x）

这可能被视为作弊，但您可以使用

os.path.dirname（）。我不确定这是否适用于Windows，但它适用于Linux。@zondo:我在Windows上，它肯定适用于我（在Py 3.5.1上）。@ShadowRanger:接受我的想法是不公平的（我在乎什么？反正我投了更高的票。@zondo:事实上，我在你的评论之前发布了我的答案。：-）此后我进行了编辑，添加了一些备选方案和澄清（尽管没有显示编辑历史，奇怪），但这确实是我尝试的第一件事。我正好在Windows上，这确实有帮助，因此我可以快速确认它也在Windows上工作；否则，如果您有一个没有斜杠的字符串，您将以静默方式返回空字符串（因为
rfind
将返回-1，您将添加1，并从0切片到0）。至少使用
rindex
，你会得到一个异常，而不是继续，直到有一个空字符串导致所有东西都爆炸。你知道为什么
os.path.dirname
也能很好地处理URL吗？@dalanmiller:因为它们使用相同的分隔符。即使在Windows上，正斜杠也是合法的路径分隔符（只是Windows优先使用反斜杠），因此路径操作API设计用于处理任何地方的正斜杠，URL也以同样的方式使用正斜杠。鉴于这个问题与URL有关，我想说，
urllib.parse
应该是stdlib推荐使用的部分。。。URL以及对它们的支持可能会彼此一致地改变，而对新URL特性的支持（如果有）可能不会像以前那样添加到文件处理功能中，因为可能会变得不必要的复杂。虽然我个人仍然喜欢略显生硬的解决方案，并用几种方法整理出许多东西；）您的拆分和重新联接可能应该使用
“/”。请联接
，否则将删除所有斜杠。另一个更聪明的方法可能是
”。join（split_url.rpartition（'/'）[：-1]
，它只执行一次拆分，如果没有斜线，实际上就变成了一个noop。很棒的提示暗影游侠，我一直想知道你是否可以这样做，但从来没有想过要看。祝贺你的答案；）这应该是答案，关于主题和透彻的解释！
base_url = urljoin('http://127.0.0.1/asdf/', '.')
# output: http://127.0.0.1/asdf/

base_url = urljoin('http://127.0.0.1/asdf', '.')
# output: http://127.0.0.1/

from urllib.parse import urlsplit
split_url = urlsplit('http://127.0.0.1/asdf/login.php')
print(split_url)

>>> SplitResult(scheme='http' netloc='127.0.0.1' path='/asdf/login.php' query='' fragment='') 

from urllib.parse import urlsplit, urlunsplit, SplitResult

# splitting url:
split_url = urlsplit('http://127.0.0.1/asdf/login.php')

# editing the variables you want to change (in this case, path):    
last_element = 'asdf'   # this can be any element in the path.
path_array = split_url.path.split('/')

# print(path_array)
# >>> ['', 'asdf', 'login.php']

path_array.remove('') 
ind = path_array.index(last_element) 
new_path = '/' + '/'.join(path_array[:ind+1]) + '/'

# making SplitResult() object with edited data:
new_url = SplitResult(scheme=split_url.scheme, netloc=split_url.netloc, path=new_path, query='', fragment='')

# unsplitting:
base_url = urlunsplit(new_url)

import urllib.parse
def base_url(url, with_path=False):
    parsed = urllib.parse.urlparse(url)
    path   = '/'.join(parsed.path.split('/')[:-1]) if with_path else ''
    parsed = parsed._replace(path=path)
    parsed = parsed._replace(params='')
    parsed = parsed._replace(query='')
    parsed = parsed._replace(fragment='')
    return parsed.geturl()

>>> base_url('http://127.0.0.1/asdf/login.php', with_path=True)
'http://127.0.0.1/asdf'
>>> base_url('http://127.0.0.1/asdf/login.php')
'http://127.0.0.1'