Python URL Join

在编写 Python 程序时，你不可避免地需要处理 URL，而且在许多情况下，你需要将多个 URL（绝对或相对）组合在一起以形成完整的 URL。

Python 提供了一个内置的 urllib.parse 模块来处理 URL，其中包括 urllib.parse.urljoin() 方法，该方法可用于将任意数量的 URL 组合在一起以生成新的 URL。

语法

urllib.parse.urljoin(base, url, allow_fragments=True)

• base: 必须是绝对 URL，也可以是相对 URL。
• url: 要组合的 URL。可以是绝对 URL 或相对 URL。
• allow_fragments: 是否允许 "#" 片段在 URL 中出现。默认为 True。

示例

假设我们有一个基本 URL 如下：

base_url = "https://example.com/path1/path2/"

现在我们想将不同的 URL 组合在一起以生成新的 URL。以下是一些示例：

1. 组合绝对 URL

如果我们要组合绝对 URL，则它将覆盖基本 URL：

url = "https://example.org/"
new_url = urllib.parse.urljoin(base_url, url)
print(new_url)
# Output: https://example.org/

2. 组合相对 URL

如果我们要组合相对 URL，则它将添加到基本 URL 的末尾：

url = "../path3/index.html"
new_url = urllib.parse.urljoin(base_url, url)
print(new_url)
# Output: https://example.com/path1/path3/index.html

3. 组合不以斜杆开头的相对 URL

如果相对 URL 不以斜杆开头，则它将添加到基本 URL 的末尾（以斜杆分隔）：

url = "path4/index.html"
new_url = urllib.parse.urljoin(base_url, url)
print(new_url)
# Output: https://example.com/path1/path2/path4/index.html

4. 组合带有片段的 URL

如果 URL 包含片段（以 "#" 开头），则该片段将保留在新 URL 中：

url = "../path3/index.html#header"
new_url = urllib.parse.urljoin(base_url, url)
print(new_url)
# Output: https://example.com/path1/path3/index.html#header

请注意，在这种情况下，allow_fragments 参数被设置为默认值 True。如果要删除片段，请将 allow_fragments 参数设置为 False：

url = "../path3/index.html#header"
new_url = urllib.parse.urljoin(base_url, url, allow_fragments=False)
print(new_url)
# Output: https://example.com/path1/path3/index.html

结论

在这篇文章中，我们介绍了 Python 中的 urllib.parse.urljoin() 方法，并讨论了如何使用它将多个 URL 组合成一个完整的 URL。这个简单但功能强大的方法可以让你轻松地处理各种 URL 场景。