Question

我有一个字符串，其中包含使用BeautifulSoup提取的多个网址，我希望将所有这些网址拆分为提取日期和年份（网址中包含日期和年份）。

print(dat)
http://www.foo.com/2016/01/0124
http://www.foo.com/2016/02/0122
http://www.foo.com/2016/02/0426
http://www.foo.com/2016/03/0129
.
.

我尝试了以下内容，但它只检索了第一个：

import urlparse
parsed = urlparse(dat)
path = parsed[2] #defining after www.foo.com/
pathlist = path.split("/")

['', '2016', '01', '0124']

所以我只得到字符串的第一个元素的结果。如何检索所有网址的这些解析，并存储它们以便我可以提取信息？我想知道有多少年份和月份的链接。

同样奇怪的是，在执行此操作后，当我执行print(dat)时，我只获得第一个元素http://www.foo.com/2016/01/0124，似乎urlparse不适用于多个网址。

Answer 1

根据您的问题，您看起来有一个由新行分隔的网址列表。在这种情况下，您可以使用for循环来迭代它们：

list_pathlist = []
for url in dat.split('\n'):
    parsed = urlparse(url)
    path = parsed[2] #defining after www.foo.com/
    pathlist = path.split("/")
    list_pathlist.append(pathlist)

在这种情况下，我怀疑结果（list_pathlist）将类似于：

[['', '2016', '01', '0124'],['', '2016', '02', '1222'],...]

所以列表。

或者你可以使用 list-comprehension 将它放入一个漂亮的单行中：

list_pathlist = [urlparse(url)[2].split('/') for url in dat.split('\n')]

在python

1 个答案: