使用正则表达式删除部分网址

Question

这是网址：url = "www.face.com/me/4000517004580.html?gps-id=5547572&scm=1007.19201.130907.0&scm_id=1007.19201.130907.0&scm-url=1007.19201.130907.0&pvid=56aacc48-cc78-4cb9-b176-c9acb7a0662c"我需要删除.html之后的部分，所以它变成："www.face.com/me/4000517004580.html"

Answer 1

您可以使用 python 的urllib将 url 解析为多个部分，然后从 url 中删除查询字符串

from urllib.parse import urlparse

url = "www.face.com/me/4000517004580.html?gps-id=5547572&scm=1007.19201.130907.0&scm_id=1007.19201.130907.0&scm-url=1007.19201.130907.0&pvid=56aacc48-cc78-4cb9-b176-c9acb7a0662c"

parse_result = urlparse(url)

url = parse_result._replace(query="").geturl()  # Remove query from url

Answer 2

尝试：

url.split('.html')[0]+'.html'

结果：

'www.face.com/me/4000517004580.html'

Answer 3

内置urllib库可以在这里使用。

from urllib.parse import urljoin, urlparse

url = 'www.face.com/me/4000517004580.html?gps-id=5547572&scm=1007.19201.130907.0&scm_id=1007.19201.130907.0&scm-url=1007.19201.130907.0&pvid=56aacc48-cc78-4cb9-b176-c9acb7a0662c' 

output = urljoin(url, urlparse(url).path) 

Answer 4

当您不确定如何解决问题时，我建议您从一些文档开始。例如，您可以查看字符串方法和常用字符串操作。

滚动浏览此列表，您将了解该find()功能：

返回在切片 s[start:end] 中找到子字符串 sub 的字符串中的最低索引。可选参数 start 和 end 被解释为切片符号。如果未找到 sub，则返回 -1。

所以要找到"?"你可以这样做：

i = url.find("?")

与其考虑如何删除部分字符串，不如考虑如何保留我们想要的部分。我们可以用切片来做到这一点：

url = url[:i]