如何在python中剪切链接？ [关闭]答案

【问题标题】：How to cut link in python? [closed]如何在python中剪切链接？ [关闭]
【发布时间】：2014-02-28 17:05:33
【问题描述】：

我有以下链接：

http://ecx.images-amazon.com/images/I/51JXXb2vpDL._SY344_PJlook-inside-v2,TopRight,1,0_SH20_BO1,204,203,200_.jpg

如何仅获取链接的这一部分：

http://ecx.images-amazon.com/images/I/51JXXb2vpDL.jpg

并删除其他所有内容？我也想保留扩展名。

我想删除这部分：

._SY344_PJlook-inside-v2,TopRight,1,0_SH20_BO1,204,203,200_

并保留这部分：

http://ecx.images-amazon.com/images/I/51JXXb2vpDL.jpg

如何在 python 中做到这一点？

【问题讨论】：

您在这里寻找的模式是什么？任何超出首字母和数字的内容一直到扩展名？还是需要寻找._SY 开头？一个例子不是一种模式。
应该支持哪些扩展？只是.jpg 或者是.png 和.gif 选项等等。你需要在这里告诉我们更多关于输入的信息。
对了，它可以是jpg、png、gif。 99% 是 jpg，但我不能确定 jpg 会变成 100%

标签： python regex url

【解决方案1】：

你可以使用：

re.sub(r'\._[\w.,-]*(\.(?:jpg|png|gif))$', r'\1', inputurl)

这会做出一些假设，但对您的输入有效。搜索从._ 序列开始，之后是字母、数字、破折号、下划线、点或逗号，然后匹配扩展名。我选择了一组明确的可能扩展；您也可以只在末尾使用(\.w+)$ 来扩大可接受的单词字符扩展。

演示：

>>> import re
>>> inputurl = 'http://ecx.images-amazon.com/images/I/51JXXb2vpDL._SY344_PJlook-inside-v2,TopRight,1,0_SH20_BO1,204,203,200_.jpg'
>>> re.sub(r'\._[\w.,-]*(\.(?:jpg|png|gif))$', r'\1', inputurl)
'http://ecx.images-amazon.com/images/I51JXXb2vpDL.jpg'

【讨论】：

问题是在这个链接中包含'._'然后我剪掉了我需要的部分。
@Krasimir：为您添加了\._ 测试。

【解决方案2】：

url = "http://ecx.images-amazon.com/images/I/51JXXb2vpDL._SY344_PJlook-inside-v2,TopRight,1,0_SH20_BO1,204,203,200_.jpg"
l = url.split(".")
print(".".join(l[:-2:])+".{}".format(l[-1]))

打印

http://ecx.images-amazon.com/images/I/51JXXb2vpDL.jpg

【讨论】：

【解决方案3】：

以下应该有效：

import re

url = "http://ecx.images-amazon.com/images/I/51JXXb2vpDL._SY344_PJlook-inside-v2,TopRight,1,0_SH20_BO1,204,203,200_.jpg"

print re.sub(r"(https?://.+?)\._.+(\.\w+)", r'\1\2', url)

上面的代码打印出来

http://ecx.images-amazon.com/images/I/51JXXb2vpDL.jpg

一个重要的细节：需要更多链接才能找到正确的模式。我目前假设你想要一切，直到第一个 ._

【讨论】：

问题是在这个链接中包含'._'然后我剪掉了我需要的部分。
@Krasimir 你能解释一下吗？我没明白你的意思。
如果这里：'51JXXb2vpDL' 存在 '._' '51JXX._b2vpDL' 那么正则表达式不起作用。
还是不明白。请给我一个来自亚马逊的具体链接，以了解您的意思。

【解决方案4】：

url = re.sub("(/[^./]+)\.[^/]*?(\.[^.]+)$", "\\1\\2", url)

【讨论】：