Python查找问题

Question

我正在使用Python来从链接中提取文件名，使用的是rfind方法，代码如下：

url = "http://www.google.com/test.php"

print url[url.rfind("/") +1 : ]

这个方法在没有斜杠（/）结尾的链接上效果不错，可以返回“test.php”。但是我遇到了一些链接，像这样以斜杠结尾：“http://www.google.com/test.php/”。当链接末尾有斜杠时，我就无法正确获取页面名称了，有谁能帮帮我吗？

谢谢

Answer 1

文件名如果最后有一个斜杠（/），从技术上讲，它仍然是一个路径的定义，表示要读取索引文件。如果你真的有一个文件名是以 test.php/ 结尾的，我会认为这是一个错误。无论如何，在运行你的代码之前，你可以把最后的斜杠去掉，方法如下：

url = url.rstrip('/')

Answer 2

使用[r]strip可以去掉字符串末尾的斜杠：

url.rstrip('/').rsplit('/', 1)[-1]

如果你需要处理更多种类的URL，比如包含问号的查询、井号的锚点，或者没有路径的情况，最好使用urlparse来处理：

path= urlparse.urlparse(url).path
return path.rstrip('/').rsplit('/', 1)[-1] or '(root path)'

Answer 3

光是把最后的斜杠去掉是没用的，因为你可能会遇到这样的链接：

http://www.google.com/test.php?filepath=tests/hey.xml

...在这种情况下，你会得到“hey.xml”。与其手动去检查这些情况，不如使用 urlparse 来去掉那些参数，然后再进行其他人建议的检查：

from urlparse import urlparse
url = "http://www.google.com/test.php?something=heyharr/sir/a.txt"
f = urlparse(url)[2].rstrip("/")
print f[f.rfind("/")+1:]