Python：与 urljoin 的混淆

Question

我试图从不同的部分形成 URL，并且无法理解这种方法的行为。 例如：

蟒蛇 3.x

from urllib.parse import urljoin

>>> urljoin('some', 'thing')
'thing'
>>> urljoin('http://some', 'thing')
'http://some/thing'
>>> urljoin('http://some/more', 'thing')
'http://some/thing'
>>> urljoin('http://some/more/', 'thing') # just a tad / after 'more'
'http://some/more/thing'
urljoin('http://some/more/', '/thing')
'http://some/thing'

你能解释一下这种方法的确切行为吗？

Answer 1

想到这一点的最佳方式（对我而言）是第一个参数， base就像您在浏览器中所在的页面。 第二个参数url是该页面上的锚点的 href。 结果是您点击后将被定向到的最终 url。

>>> urljoin('some', 'thing')
'thing'

鉴于我的描述，这个是有道理的。 虽然人们希望 base 包括一个方案和域。

>>> urljoin('http://some', 'thing')
'http://some/thing'

如果您在某个虚拟主机上，并且有一个像<a href='thing'>Foo</a>这样的锚点，那么该链接会将您带到http://some/thing

>>> urljoin('http://some/more', 'thing')
'http://some/thing'

我们在这里有some/more ，所以thing的相对链接将带我们到/some/thing

>>> urljoin('http://some/more/', 'thing') # just a tad / after 'more'
'http://some/more/thing'

在这里，我们不在some/more ，我们在some/more/ ，这是不同的。 现在，我们的相对链接将带我们到some/more/thing

>>> urljoin('http://some/more/', '/thing')
'http://some/thing'

最后。 如果在some/more/并且 href 指向/thing ，您将链接到some/thing 。

Answer 2

urllib.parse.urljoin(base, url )

如果 url 是绝对 URL（即以 //、http://、https://、...开头），则 url 的主机名和/或方案将出现在结果中。 例如：

>>> urljoin('https://www.google.com', '//www.microsoft.com')
'https://www.microsoft.com'
>>>

否则，urllib.parse。 urljoin (base, url) 将

通过将“基本 URL” (base) 与另一个 URL (url) 组合来构建完整（“绝对”）URL。 非正式地，这使用基本 URL 的组件，特别是寻址方案、网络位置和（部分）路径，来提供相对 URL 中缺少的组件。

>>> urlparse('http://a/b/c/d/e')
ParseResult(scheme='http', netloc='a', path='/b/c/d/e', params='', query='', fragment='')
>>> urljoin('http://a/b/c/d/e', 'f')
>>>'http://a/b/c/d/f'
>>> urlparse('http://a/b/c/d/e/')
ParseResult(scheme='http', netloc='a', path='/b/c/d/e/', params='', query='', fragment='')
>>> urljoin('http://a/b/c/d/e/', 'f')
'http://a/b/c/d/e/f'
>>>

它获取第一个参数 (base) 的路径，去掉最后一个 / 之后的部分，并与第二个参数 (url) 连接。

如果url以/开头，则将base的scheme和netloc与url连接起来

>>>urljoin('http://a/b/c/d/e', '/f')
'http://a/f'