Question

我在某些HTML代码中解析了一个链接，如下所示： -

"http://advert.com/go/2/12345/0/http://truelink.com/football/abcde.html?"

我要做的是从第二次出现http开始提取代码的第二部分：所以在上面的例子中，我想提取

"http://truelink.com/football/abcde.html?"

我考虑过将URL切成段但是我不确定随着时间的推移，结构将与第一部分保持一致。

是否有可能识别第二次出现'http'然后从那里解析出代码到底？

Answer 1

link = "http://advert.com/go/2/12345/0/http://truelink.com/football/abcde.html?"

link[link.rfind("http://"):]

返回：

"http://truelink.com/football/abcde.html?"

这就是我要做的。 rfind找到＆＃34; http＆＃34;的最后一次出现并返回索引。这个事件显然是你的例子中真实的原始网址。然后，您可以提取以该索引开头的子字符串，直到结束。

因此，如果您有一些字符串myStr，则在python中使用类似数组的表达式提取子字符串：

myStr[0]    # returns the first character
myStr[0:5]  # returns the first 5 letters, so that 0 <= characterIndex < 5
myStr[5:]   # returns all characters from index 5 to the end of the string
myStr[:5]   # is the same like myStr[0:5]

Answer 2

我会做这样的事情：

addr = "http://advert.com/go/2/12345/0/http://truelink.com/football/abcde.html?"
httpPart = 'http://'
split = addr.split(httpPart)
res = []
for str in split:
    if (len(str) > 0):
        res.append(httpPart+str);
print res

在Python 2.x中拆分URL

2 个答案: