在Python中将基础URL与另一个URL连接

基础 URL

基础 URL 是网站或资源的主地址。它作为构建其他相对 URL 的基础。可以将其视为所有其他 URL 分支出来的根。通常，基础 URL 包含域名（如 `example.com`），有时还包含子目录或路径。

基础 URL 示例

关键点

• 基础 URL 通常是网站或 API 的主地址。
• 它可以包含协议，如 `https://` 或 `http://`。
• 它作为基础，与相对 URL 结合时可以构建完整的 URL。

相对 URL

相对 URL 是指网站上某个资源的 URL，但不包含完整路径。它“相对”于基础 URL。这意味着它只指定相对于当前页面或域的路径或资源，而不是提供整个 Web 地址。

相对 URL 示例

与基础 URL 结合时，完整 URL 为

关键点

• 相对 URL 依赖于基础 URL 来获取上下文。
• 它可以指向站点的不同部分（例如，`/products`、`/contact`）。
• 它不包含协议（`https://`）或域名（`facebook.com`）。

将基础 URL 与其他 URL 连接

在 Python 中处理 URL 时，特别是在进行网络抓取或与 API 通信等任务时，将基础 URL 与相对 URL 连接是一个常见过程。Python 提供了多种方法来处理这个问题。

使用 `urllib.parse.urljoin()`

这是最可靠的方法，因为它专门用于组合 URL。

代码

输出

 
https://#/login   

说明

• 导入 {urljoin}：导入 `urllib.parse` 模块的 `urljoin` 函数。此函数用于将相对 URL 与基础 URL 连接起来。
• 定义 URL：指定字符串 "base_url" 和 "relative_url"。`relative_url` 指定了资源路径，而 `base_url` 包含一个尾部斜杠。
• URL 组合：`urljoin(base_url, relative_url)` 连接相对 URL 和基础 URL。它确保正确处理任何多余或缺失的斜杠，并生成一个有效的 URL。
• 输出：打印生成的 `full_url`，该 URL 将两个 URL 合并为 `https://#/login`。

优点

• 自动调整：处理缺失或多余的斜杠。
• 代码更清晰：使代码更具可读性。
• 错误更少：避免常见的 URL 格式化错误。

缺点

• 需要导入：需要额外导入 `urllib.parse` 模块。

手动字符串拼接

我们可以使用 Python 的字符串操作手动拼接基础 URL 和相对 URL。但是，此方法需要仔细处理斜杠。

代码

输出

 
https://www.github.com/explore   

说明

• 定义 URL：指定字符串 "base_url" 和 "relative_url"。`relative_url` 指定了资源路径，而 `base_url` 包含一个尾部斜杠。
• 确保格式正确：`if` 语句确定 `base_url` 的结尾是否为斜杠（`/`）。如果不是，则附加一个斜杠，以避免在基础 URL 和相对 URL 之间缺少斜杠。
• 组合 URL：使用 `+` 拼接基础 URL 和相对 URL。这将创建一个完整的 URL，其中包含基础路径后跟资源路径。
• 输出：打印组合后的 URL `https://www.github.com/explore`。

优点

• 无需导入：不依赖任何外部模块。
• 简单：易于理解并在小型脚本中使用。

缺点

• 易出错：容易出现人为错误，例如添加或遗漏斜杠。
• 难以扩展：不适合大型项目或复杂的 URL 结构。

使用 `os.path.join()`

尽管 `os.path.join()` 用于文件路径，但一些开发人员可能会尝试使用它来连接 URL。它的工作方式类似于 `urljoin()`，但它不是为 URL 设计的。

代码

输出

 
https://www.twitter.com/home   

说明

• 导入 `os.path.join`：`os.path.join` 函数由 `os` 模块提供，`join` 方法的目的是将一个或多个字符串连接到另一个字符串。此函数通常用于拼接文件路径。
• 定义 URL：在代码中，将变量 `base_url` 和 `relative_url` 声明为字符串类型。接收到的 `base_url` 是一个以斜杠结尾的字符串，而 `relative_url` 是指向资源的路径。
• 组合 URL：`os.path.join(base_url, relative_url)` 是尝试连接两个 URL 的函数。然而，此方法是为文件路径设计的，而不是为 URL 设计的。
• 输出：打印生成的 `full_url`。尽管在此情况下有效，但它可能无法正确处理所有 URL 特定的场景。

优点

• 简单：工作方式类似于连接文件路径，一些开发人员可能对此比较熟悉。

缺点

• 非为 URL 设计：它是为文件路径设计的，而不是为 URL 设计的。
• 不一致：如果与包含查询字符串、片段或不寻常格式的 URL 一起使用，可能会产生不正确的结果。

使用 `f-strings` 或 `format()`（手动拼接）

连接 URL 的另一种方法是使用 Python 的 f-strings 或 `.format()` 进行字符串插值。这种方法类似于手动拼接，但更简洁一些。

代码

输出

 
https://tpointtech.cn/python-tutorial   

说明

• 定义 URL：请注意，`base_url` 和 `relative_url` 都是字符串。`base_url` 在最后一个斜杠之前结束，而 `relative_url` 指向一个资源。
• 使用 f-strings：`f-string` 方法也用于格式化最终 URL。`.rstrip("/")` 确保 `base_url` 字符串在斜杠后没有多余的斜杠。通过使用 `lstrip("/")` 方法移除 `relative_url` 中的前导斜杠，实现了第一部分。
• 组合 URL：当使用 `f-string` 拼接清理后的基础 URL 和相对链接时，两者之间的组合将始终有一个斜杠。
• 输出：打印生成的 URL `https://tpointtech.cn/python-tutorial`。

优点

• 更多控制：为开发人员提供了对 URL 连接方式的更多控制。
• 比拼接更简洁：比传统拼接更容易阅读和编写。

缺点

• 手动处理：仍然需要仔细处理斜杠，这可能导致错误。
• 冗长：比使用 `urljoin()` 更复杂。