在用 Python 构造 URL 时，如何连接路径的组件

小开

你可以使用 urllib.parse.urljoin:

>>> from urllib.parse import urljoin
>>> urljoin('/media/path/', 'js/foo.js')
'/media/path/js/foo.js'

但要当心:

>>> urljoin('/media/path', 'js/foo.js') '/media/js/foo.js' >>> urljoin('/media/path', '/js/foo.js') '/js/foo.js'

与 /js/foo.js和 js/foo.js不同的结果是因为前者以一个斜杠开始，这意味着它已经从网站的根开始。

在 Python2上，必须这样做

from urlparse import urljoin

小开

Urllib包中的 Basejoin函数可能就是您要寻找的。

basejoin = urljoin(base, url, allow_fragments=True) Join a base URL and a possibly relative URL to form an absolute interpretation of the latter.

编辑: 我之前没有注意到，但 urllib.basejoin 似乎直接映射到 urlparse.urljoin，因此更喜欢后者。

小开

最佳答案

因为，从 OP 发布的评论来看，似乎他没有想要在连接中保留“绝对 URL”(这是 urlparse.urljoin的关键工作之一; ——) ，所以我建议避免这样做。出于完全相同的原因，os.path.join也是不好的。

因此，我会使用类似于 '/'.join(s.strip('/') for s in pieces)的代码(如果主要的 /也必须被忽略——如果主要的代码必须是特殊情况下的，那当然也是可行的;)。

小开

这种方法效果很好:

def urljoin(*args): """ Joins given arguments into an url. Trailing but not leading slashes are stripped for each argument. """ return "/".join(map(lambda x: str(x).rstrip('/'), args))

小开

如您所说，os.path.join基于当前操作系统连接路径。posixpath是用于 posx 系统名称空间 os.path下的底层模块:

>>> os.path.join is posixpath.join True >>> posixpath.join('/media/', 'js/foo.js') '/media/js/foo.js'

因此，您可以只导入和使用 posixpath.join来代替 urls，这是可用的，并将在 任何平台上工作。

编辑: @Pete 的建议是个好建议，你可以把导入作为增加可读性的别名

from posixpath import join as urljoin

编辑: 我认为如果您查看 os.py的源代码(这里的代码来自 Python 2.7.11，另外我已经删减了一些比特) ，这样就更清楚了，或者至少帮助我理解了。os.py中有条件导入，它选择在名称空间 os.path中使用哪个路径模块。所有的基础模块(posixpath，ntpath，os2emxpath，riscospath) ，可以导入到 os.py，别名为 path，存在于所有系统上使用。os.py只是基于当前操作系统在运行时在名称空间 os.path中选择要使用的模块之一。

# os.py import sys, errno _names = sys.builtin_module_names if 'posix' in _names: # ... from posix import * # ... import posixpath as path # ... elif 'nt' in _names: # ... from nt import * # ... import ntpath as path # ... elif 'os2' in _names: # ... from os2 import * # ... if sys.version.find('EMX GCC') == -1: import ntpath as path else: import os2emxpath as path from _emx_link import link # ... elif 'ce' in _names: # ... from ce import * # ... # We can use the standard Windows path. import ntpath as path elif 'riscos' in _names: # ... from riscos import * # ... import riscospath as path # ... else: raise ImportError, 'no os specific module found'

小开

我知道这比 OP 要求的要多一点，但是我已经有了下面这个网址，并且正在寻找一个简单的方法来加入它们:

>>> url = 'https://api.foo.com/orders/bartag?spamStatus=awaiting_spam&page=1&pageSize=250'

四处看看:

>>> split = urlparse.urlsplit(url) >>> split SplitResult(scheme='https', netloc='api.foo.com', path='/orders/bartag', query='spamStatus=awaiting_spam&page=1&pageSize=250', fragment='') >>> type(split) <class 'urlparse.SplitResult'> >>> dir(split) ['__add__', '__class__', '__contains__', '__delattr__', '__dict__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__getnewargs__', '__getslice__', '__getstate__', '__gt__', '__hash__', '__init__', '__iter__', '__le__', '__len__', '__lt__', '__module__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__rmul__', '__setattr__', '__sizeof__', '__slots__', '__str__', '__subclasshook__', '__weakref__', '_asdict', '_fields', '_make', '_replace', 'count', 'fragment', 'geturl', 'hostname', 'index', 'netloc', 'password', 'path', 'port', 'query', 'scheme', 'username'] >>> split[0] 'https' >>> split = (split[:]) >>> type(split) <type 'tuple'>

因此，除了已经在其他答案中得到回答的路径加入之外，为了得到我想要的，我做了以下几件事:

>>> split ('https', 'api.foo.com', '/orders/bartag', 'spamStatus=awaiting_spam&page=1&pageSize=250', '') >>> unsplit = urlparse.urlunsplit(split) >>> unsplit 'https://api.foo.com/orders/bartag?spamStatus=awaiting_spam&page=1&pageSize=250'

根据文件，它正好需要一个5部分的元组。

元组格式如下:

方案0 URL 方案说明符空字符串

Netloc 1网络位置部分空字符串

分层路径空字符串

查询3查询组件空字符串

片段4片段标识符空字符串

小开

为了稍微改进 Alex Martelli 的响应，下面的代码不仅可以清除额外的斜杠，还可以保留尾部(结束)斜杠，这有时候是很有用的:

>>> items = ["http://www.website.com", "/api", "v2/"] >>> url = "/".join([(u.strip("/") if index + 1 < len(items) else u.lstrip("/")) for index, u in enumerate(items)]) >>> print(url) http://www.website.com/api/v2/

但是它不太容易阅读，而且不会清除多个额外的尾部斜杠。

小开

使用 furl，pip install furl将是:

furl.furl('/media/path/').add(path='js/foo.js')

小开

Rune Kaagaard 提供了一个非常好的紧凑的解决方案，我对它进行了一些扩展:

def urljoin(*args): trailing_slash = '/' if args[-1].endswith('/') else '' return "/".join(map(lambda x: str(x).strip('/'), args)) + trailing_slash

这允许将所有参数联接起来，而不管尾部的斜杠和结束斜杠，同时如果存在则保留最后一个斜杠。

小开

使用卷和正则表达式(python 3)

>>> import re >>> import furl >>> p = re.compile(r'(\/)+') >>> url = furl.furl('/media/path').add(path='/js/foo.js').url >>> url '/media/path/js/foo.js' >>> p.sub(r"\1", url) '/media/path/js/foo.js' >>> url = furl.furl('/media/path').add(path='js/foo.js').url >>> url '/media/path/js/foo.js' >>> p.sub(r"\1", url) '/media/path/js/foo.js' >>> url = furl.furl('/media/path/').add(path='js/foo.js').url >>> url '/media/path/js/foo.js' >>> p.sub(r"\1", url) '/media/path/js/foo.js' >>> url = furl.furl('/media///path///').add(path='//js///foo.js').url >>> url '/media///path/////js///foo.js' >>> p.sub(r"\1", url) '/media/path/js/foo.js'

小开

我发现上述所有的解决方案都有不好的地方，所以我想出了自己的解决方案。这个版本确保各个部分使用一个斜杠连接，而不使用前导斜杠和尾随斜杠。没有 pip install也没有 urllib.parse.urljoin怪异。

In [1]: from functools import reduce In [2]: def join_slash(a, b): ...: return a.rstrip('/') + '/' + b.lstrip('/') ...: In [3]: def urljoin(*args): ...: return reduce(join_slash, args) if args else '' ...: In [4]: parts = ['https://foo-bar.quux.net', '/foo', 'bar', '/bat/', '/quux/'] In [5]: urljoin(*parts) Out[5]: 'https://foo-bar.quux.net/foo/bar/bat/quux/' In [6]: urljoin('https://quux.com/', '/path', 'to/file///', '//here/') Out[6]: 'https://quux.com/path/to/file/here/' In [7]: urljoin() Out[7]: '' In [8]: urljoin('//','beware', 'of/this///') Out[8]: '/beware/of/this///' In [9]: urljoin('/leading', 'and/', '/trailing/', 'slash/') Out[9]: '/leading/and/trailing/slash/'

小开

这样吧: 是 有点效率，有点简单。只需加入网址路径的’2’部分:

def UrlJoin(a , b): a, b = a.strip(), b.strip() a = a if a.endswith('/') else a + '/' b = b if not b.startswith('/') else b[1:] return a + b

或: 更传统，但没有效率，如果加入只有两个网址部分的路径。

def UrlJoin(*parts): return '/'.join([p.strip().strip('/') for p in parts])

测试案例:

>>> UrlJoin('https://example.com/', '/TestURL_1') 'https://example.com/TestURL_1' >>> UrlJoin('https://example.com', 'TestURL_2') 'https://example.com/TestURL_2'

注意: 我在这里可能有些吹毛求疵，但这至少是一个很好的实践，而且可能更具可读性。

小开

一句话:

from functools import reduce reduce(lambda x,y: '{}/{}'.format(x,y), parts)

零件在哪里，例如「 https://api.somecompany.com/v1」、「天气」、「雨水」

小开

还有一种具有独特特征的变体:

def urljoin(base:str, *parts:str) -> str: for part in filter(None, parts): base = '{}/{}'.format(base.rstrip('/'), part.lstrip('/')) return base

保留尾部斜线在基地或最后一部分

空的部分被忽略

对于每个非空零件，从底部移除尾随和从零件引导，并用单个 /连接

urljoin('http://a.com/api', '') -> 'http://a.com/api' urljoin('http://a.com/api', '/') -> 'http://a.com/api/' urljoin('http://a.com/api/', '') -> 'http://a.com/api/' urljoin('http://a.com/api/', '/') -> 'http://a.com/api/' urljoin('http://a.com/api/', '/a/', '/b', 'c', 'd/') -> 'http://a.com/api/a/b/c/d/'

小开

好吧，这就是我所做的，因为我需要完全独立于预定义的根:

def url_join(base: str, *components: str, slash_left=True, slash_right=True) -> str: """Join two or more url components, inserting '/' as needed. Optionally, a slash can be added to the left or right side of the URL. """ base = base.lstrip('/').rstrip('/') components = [component.lstrip('/').rstrip('/') for component in components] url = f"/{base}" if slash_left else base for component in components: url = f"{url}/{component}" return f"{url}/" if slash_right else url url_join("http://whoops.io", "foo/", "/bar", "foo", slash_left=False) # "http://whoops.io/foo/bar/foo/" url_join("foo", "bar") # "/foo/bar/""