修复破碎的网址

Question

有没有人知道修复“破损”网址的库。当我尝试打开诸如

之类的网址时

http://www.domain.com/../page.html
http://www.domain.com//page.html
http://www.domain.com/page.html#stuff

urllib2.urlopen chokes并给我一个HTTPError回溯。有没有人知道可以解决这些问题的图书馆？

Answer 1

像......这样的事情：

import re
import urlparse

urls = '''
http://www.domain.com/../page.html
http://www.domain.com//page.html
http://www.domain.com/page.html#stuff
'''.split()

def main():
  for u in urls:
    pieces = list(urlparse.urlparse(u))
    pieces[2] = re.sub(r'^[./]*', '/', pieces[2])
    pieces[-1] = ''
    print urlparse.urlunparse(pieces)

main()

它确实会发出，如你所愿：

http://www.domain.com/page.html
http://www.domain.com/page.html
http://www.domain.com/page.html

如果我理解正确的话，

似乎大致符合您的需求。

Answer 2

另见this question。