从网址中删除随机字符

Question

我有一个网址列表如下:

urls = [
www.example.com?search?q=Term&page=0,
www.example.com?search?q=Term&page=1,
www.example.com?search?q=Term&page=2
]

凡期限可能是我们想要的任何条件:Europe,London,等.

我的代码部分(在整个代码中)如下:

for url in urls:
  file_name = url.replace('http://www.example.com/search?q=','').replace('=','').replace('&','')
  file_name = file_name+('.html')

这导致:

Termpage0.html
Termpage1.html
and so on..

如何将URL列表中的Term删除为:

page0.html
page1.html
and so on?

Answer 1

您可以使用urllib.parse解析URL,然后解析查询部分.这种方法的好处是,如果更改了查询部件的顺序或添加了新部件,它将工作相同:

from urllib import parse

urls = [
    'www.example.com?search?q=Term&page=0',
    'www.example.com?search?q=Term&page=1',
    'www.example.com?search?q=Term&page=2'
]

for url in urls:
    parts = parse.urlparse(url)
    query = parse.parse_qs(parts.query)
    print('page{}.html'.format(query['page'][0]))

输出:

page0.html
page1.html
page2.html

在上面urlparse返回ParseResult包含URL组件的对象:

>>> from urllib import parse
>>> parts = parse.urlparse('www.example.com/search?q=Term&page=0')
>>> parts
ParseResult(scheme='', netloc='', path='www.example.com/search', params='', query='q=Term&page=0', fragment='')

然后parse_qs将返回dict值为列表的查询参数:

>>> query = parse.parse_qs(parts.query)
>>> query
{'page': ['0'], 'q': ['Term']}