门| Gate IT 2008 |问题6

问题描述

在一个Web应用中，用户输入一串字符串，需要判断该字符串是否是一个合法的URL，并且给出合法的URL的规范形式。

程序分析

判断输入的字符串是否是一个合法的URL，可以使用正则表达式来实现。常见的URL格式为：

scheme://host:port/path?query

其中：

• scheme 表示协议，通常为 http 或 https
• host 表示主机名或IP地址
• port 表示端口号（可选，默认为80）
• path 表示资源路径（可选，默认为根路径/）
• query 表示查询参数（可选）

利用正则表达式来匹配URL，一个简单的实现如下：

import re

def is_valid_url(url):
    pattern = '^https?://[^\s/$.?#].[^\s]*$'
    return re.match(pattern, url) is not None

对于合法的URL，我们需要将其转换为规范形式。一个常见的规范形式如下：

scheme://host/path?query

对于非法的URL，我们可以返回一个空字符串。实现如下：

def normalize_url(url):
    if not is_valid_url(url):
        return ""

    # 提取出各个部分
    scheme, rest = url.split("://")
    host, *path_query = rest.split("/")
    path_query = "/".join(path_query)

    # 将端口号从host中提取出来
    if ":" in host:
        host, port = host.split(":")
        port = ":" + port
    else:
        port = ""

    # 拼接成规范形式
    return f"{scheme}://{host}{port}/{path_query}"

示例

url = "https://www.baidu.com/s?ie=UTF-8&wd=python"
if is_valid_url(url):
    print(normalize_url(url))
else:
    print("Invalid URL")

输出：

https://www.baidu.com/s?ie=UTF-8&wd=python

参考资料

• Python 正则表达式