从python中的URL中删除GET变量

Question

我有这个网址：

http://www.exmaple.com/boo/a.php?a=jsd

我想要的输出是这样的：

http://www.exmaple.com/boo/

如果我有明智的话

http://www.exmaple.com/abc.html

它应该是

http://www.exmaple.com/

和

http://www.exmaple.com/

应该回来

http://www.exmaple.com/

没有任何改变

这就是我尝试过的

re.sub(r'\?[\S]+','',"http://www.exmaple.com/boo/a.php?a=jsd")

但它回来了

http://www.exmaple.com/boo/a.php

有什么建议可以做些什么来获得正确的输出，或者有没有人有更好的想法来完成这项工作？

Answer 1

请使用stdlib urlparse模块，如下所示。 一般来说，除非绝对必要，否则我会尽量避免使用正则表达式。

from urlparse import urlparse, urlunparse
>>> parsed = urlparse("http://www.exmaple.com/boo/a.php?a=jsd")
>>> scheme, netloc, path, params, query, fragment = parsed
>>> urlunparse((scheme,netloc,path.split('/')[1],'','',''))
'http://www.exmaple.com/boo'

Answer 2

我会做那样的事情：

>>> import re
>>> url = "http://www.exmaple.com/boo/a.php?a=jsd"
>>> url[:url.rfind("/")+1]
'http://www.exmaple.com/boo/'

删除最后一个“/”之后的所有内容。 我不确定它是否涵盖了所有特殊情况......

编辑 ：使用urlparse和我的简单rfind新解决方案：

import re, urlparse
def url_cutter(url):
    up = urlparse.urlparse(url)
    url2 = up[0]+"://"+up[1]+up[2]
    if url.rfind("/")>6:
            url2 = url2[:url2.rfind("/")+1]
    return url2

然后：

In [36]: url_cutter("http://www.exmaple.com/boo/a.php?a=jsd")
Out[36]: 'http://www.exmaple.com/boo/'

In [37]: url_cutter("http://www.exmaple.com/boo/a.php?a=jsd#dvt_on")
Out[37]: 'http://www.exmaple.com/boo/'

In [38]: url_cutter("http://www.exmaple.com")
Out[38]: 'http://www.exmaple.com'

Answer 3

可能有更优化的方法来实现它，但是使用这个方法你不需要一个模糊的导入或第三方包。

url = "http://www.google.com/abc/abc.html?q=test"
cleaned_url = url[:url.rindex("?")]
cleaned_url = cleaned_url.split("/")
cleaned_url = [item for item in cleaned_url if ".html" not in item]
cleaned_url = "/".join(cleaned_url)