Python正则解析URL地址

Python的正则表达式模块re可以方便地处理字符串匹配和解析，通过合理运用正则表达式，能够快速准确地提取出URL中的各个部分。

一、URL解析

1、使用正则表达式提取URL中的协议。

当使用Python来分析网络地址时，首先要把URL中的协议部分分开。可以使用re模块的findall函数来匹配正则表达式。

import re

def extract_protocol(url):
    pattern = r"^(http|https|ftp)://"
    result = re.findall(pattern, url)
    return result[0] if result else None

url = "https://www.lengleng.net"
protocol = extract_protocol(url)
print(protocol)  # 输出结果为 http

2、使用正则表达式提取URL中的域名。

URL中的域名部分可以通过正则表达式提取出来。

import re

def extract_domain(url):
    pattern = r"(?<=://)[^/]+"  # 通过正向预查实现提取域名
    result = re.findall(pattern, url)
    return result[0] if result else None

url = "https://www.lengleng.net"
domain = extract_domain(url)
print(domain)  # 输出结果为 www.lengleng.net

二、参数解析

1、使用正则表达式解析URL中的参数。

参数通常以key=value的形式存在于URL中。URL中的参数和相应的值可以通过正则表达来提取。

import re

def extract_params(url):
    pattern = r"(?<=\?)([^&]+)"
    result = re.findall(pattern, url)
    params = {}
    for param in result:
        key, value = param.split("=")
        params[key] = value
    return params

url = "https://www.lengleng.net?a=1&b=2&c=3"
params = extract_params(url)
print(params)  # 输出结果为 {'a': '1', 'b': '2', 'c': '3'}

2、使用正则表达式解析URL中的锚点。

URL中的锚点通常以#开头，我们可以用正则表达式来提取URL中的锚点。

import re

def extract_anchor(url):
    pattern = r"(?<=#)[^#]+"
    result = re.findall(pattern, url)
    return result[0] if result else None

url = "https://www.lengleng.net#section1"
anchor = extract_anchor(url)
print(anchor)  # 输出结果为 section1

三、路径解析

1、使用正则表达式解析URL中的路径。

在URL中，路径部分是指定资源位置的一部分，可以使用正则表达式来提取URL中的路径。

import re

def extract_path(url):
    pattern = r"(?<=://[^/]+).*$"
    result = re.findall(pattern, url)
    return result[0] if result else None

url = "http://www.example.com/path/to/resource"
path = extract_path(url)
print(path)  # 输出结果为 /path/to/resource

2、使用正则表达式解析URL中的文件名。

URL中的文件名部分可以通过正则表达式提取出来。

import re

def extract_filename(url):
    pattern = r"(?<=/)[^/]+$"
    result = re.findall(pattern, url)
    return result[0] if result else None

url = "https://www.lengleng.net/path/to/resource/file.txt"
filename = extract_filename(url)
print(filename)  # 输出结果为 file.txt