识别 URL 的文件扩展名

Question

我希望提取文件扩展名，如果它存在于网址中（试图确定哪些链接指向我不想要的扩展名列表，例如.jpg，.exe等）。

因此，我想从以下 URL 中提取www.example.com/image.jpgextension jpg，并处理没有扩展名的情况，例如www.example.com/file（即不返回任何内容）。

我想不出如何实现它，但我想到的一种方法是在最后一个点之后获取所有内容，如果有扩展名，我将允许我查找该扩展名，如果没有，例如www.example.com/file它会返回com/file （给出的不在我的排除文件扩展名列表中，很好）。

使用我不知道的包可能有另一种更好的方法，它可以确定什么是/不是实际扩展。（即处理 URL 实际上没有扩展名的情况）。

Answer 1

该urlparse模块（urllib.parse在 Python 3 中）提供了用于处理 URL 的工具。虽然它没有提供从 URL 中提取文件扩展名的方法，但可以通过将其与 组合来实现os.path.splitext：

from urlparse import urlparse
from os.path import splitext

def get_ext(url):
    """Return the filename extension from url, or ''."""
    parsed = urlparse(url)
    root, ext = splitext(parsed.path)
    return ext  # or ext[1:] if you don't want the leading '.'

用法示例：

>>> get_ext("www.example.com/image.jpg")
'.jpg'
>>> get_ext("https://www.example.com/page.html?foo=1&bar=2#fragment")
'.html'
>>> get_ext("https://www.example.com/resource")
''