Question

我有很多链接，例如http://example.com/2013/1520/i2013i1520p100049.html或http://example.com/2013/89/i2013i89p60003.html。

我需要将文件1520中的HTML文件保存为i2013i1520p100049.html，将文件夹“89”中的文件保存为i2013i89p60003.html。

我可以剪断字符串但其他人有另一种长度。

P.S。我正在使用Python。

Answer 1

使用split()

url   = 'http://example.com/2013/1520/i2013i1520p100049.html'
parts = url.split('/')

fn  = parts[-1]
dir = parts[-2]

然后拨打电话，保存来源：

import urllib2

fp = urllib2.urlopen(url).read()

fullpath_fn = dir + '/' + fn
with open(fullpath, 'w') as htmlfile:
    htmlfile.write(fp)

Answer 2

您可以使用urlparse.urlsplit和os.path.split：

import os
import urlparse
s = 'http://example.com/2013/1520/i2013i1520p100049.html'

path = urlparse.urlsplit(s).path
print(path)
# /2013/1520/i2013i1520p100049.html

dirname, basename = os.path.split(path)
dirname, basedir = os.path.split(dirname)
print(basedir)
# 1520
print(basename)
# i2013i1520p100049.html

Answer 3

您可以使用以下内容（如果您想对其执行更复杂的工作）：

s = 'http://example.com/2013/1520/i2013i1520p100049.html'

from operator import itemgetter
from urlparse import urlsplit

split_url = urlsplit(s)
path, fname = itemgetter(2, -1)(split_url.path.split('/'))
print path, fname
# 1520 i2013i1520p100049.html

否则：

path, fname = s.rsplit('/', 2)[1:]

Answer 4

因此，使用这种标准化格式，最快的方法是使用find和slice :)。正则表达式不值得

e.g。

>>> a = "http://example.com/2013/1520/i2013i1520p100049.html or http://example.com/2013/89/i2013i89p60003.html"
>>> lastindex = a.rfind('/')
>>> a[lastindex+1:]
'i2013i89p60003.html'
>>> a[a.rfind('/',0,lastindex)+1:lastindex]
'89'

拆分vs找到一个巨大的网址（是的，这些存在，但通常不是这个大）

>>> a = range(10000)
>>> [a.insert(randint(0,10000),'/') for x in range(0,100)]
>>> a = str(a)
>>> b = time.time(); a.rfind('/'); time.time()-b
58493
1.8835067749023438e-05
>>> b = time.time(); d=a.split('/'); time.time()-b
0.00012683868408203125

更重要的是，你不需要对你的列表进行巨大的重新分配/复制，当你拥有1000个URL时，这不是很有趣

Answer 5

>>> 'http://example.com/2013/1520/i2013i1520p100049.html'.split('/')[-1]
'i2013i1520p100049.html'

Answer 6

您可以使用方法split()：

url = 'http://example.com/2013/1520/i2013i1520p100049.html'
tokens = url.split('/')
file = parts[-1]
folder = parts[-2]

Answer 7

仅仅是为了它，一个基于正则表达式的答案：

match = re.search(r'([0-9]+)/([a-z0-9]+\.html)$', string)
if match:
    folder = match.group(1)
    file = match.group(2)

如何从URL中删除文件名？

7 个答案: