Python - 格式化字符串为URL的最短方法

Question

我正在参与一个网页项目。现在我需要选择最好的方式来展示代码，这样其他人看起来不会觉得困难或者头疼。

我现在遇到的“问题”是如何把一个漂亮格式的链接展示出来（这个链接会从一个“标题”字符串中获取）。

假设我们有一个标题，是从表单中获取的：

title = request.form['title'] # 'Hello World, Hello Cat! Hello?'

接下来，我们需要一个函数来把这个标题格式化，以便放到链接里（它需要变成 'hello_world_hello_cat_hello' 这样的格式），所以目前我用的这个函数我觉得可读性不太好：

str.replace(title, ' ', '-').str.replace(title, '!', '').str.replace(title, '?', '').str.replace(string, ',' '').lower()

有没有什么好的方法可以让它更简洁一些？有没有现成的函数可以做我正在做的事情？

我还想知道在链接中应该去掉哪些字符或符号。

Answer 1

我的意思是，你可以把它分成多个语句：

str = str.replace(title, ' ', '-')
str = str.replace(title, '!', '')
str = str.replace(title, '?', '')
str = str.replace(string, ',' '')
str = str.lower()

这样会让代码更容易阅读。

Answer 2

我试着玩了你们所有的答案，得出了一些结果。

注意：这些“基准测试”不需要太认真对待，因为我没有考虑所有可能的方案，但这是一种快速了解整体情况的好方法。

re.findall()

def findall():
  string = 'Hello World, Hello Cat! Hello?'
  return  '_'.join(re.findall(r'\w+',string)).lower()

实际时间=0.019秒，用户时间=0.012秒，系统时间=0.004秒，大致时间=0.016秒

re.sub()

def sub():
  string = 'Hello World, Hello Cat! Hello?'
  return re.sub(r'\W+','_',string).lower()

实际时间=0.020秒，用户时间=0.016秒，系统时间=0.004秒，大致时间=0.020秒

slugify()

def slug():
  string = 'Hello World, Hello Cat! Hello?'
  return slugify(string)

实际时间=0.031秒，用户时间=0.024秒，系统时间=0.004秒，大致时间=0.028秒

urllib.urlencode()

def urlenc():
  string = {'title': 'Hello World, Hello Cat! Hello?'}
  return urllib.urlencode(string)

实际时间=0.036秒，用户时间=0.024秒，系统时间=0.008秒，大致时间=0.032秒

从结果来看，最快的是 re.findall()，最慢的是 urllib.urlencode()，而 slugify() 则在中间，虽然它不是最快的，但它是所有方法中最简洁的。

目前我选择的是 Slugify，就像在斗犬中间的幸运猫一样。

Answer 3

你可以在Python2中使用urllib模块里的urlencode()，或者在Python3中使用urllib.parse模块里的urlencode()。

这样做是基于你想把文本放在网址的查询字符串里。

title = {'title': 'Hello World, Hello Cat! Hello?'} # or get it programmatically as you did
encoded = urllib.urlencode(title)
print encoded # title=Hello+World%2C+Hello+Cat%21+Hello%3F

Answer 4

你可以使用urlencode()这个方法，它是Python中进行URL编码字符串的标准方式。

如果你想要一种个性化的编码方式，只想保留最终字符串中的单词，可以使用re.findall函数来提取这些单词，然后用下划线把它们连接起来：

>>>s = 'Hello World, Hello Cat! Hello?'
>>>'_'.join(re.findall(r'\w+',s)).lower()
'hello_world_hello_cat_hello'

这个方法的作用是：

g = re.findall(r'\w+',s) # ['Hello', 'World', 'Hello', 'Cat', 'Hello']
s1 = '_'.join(g) # 'Hello_World_Hello_Cat_Hello'
s1.lower() # 'hello_world_hello_cat_hello'

这种技巧对字符串中的数字也很有效：

>>>s = 'Hello World, Hello Cat! H123ello? 123'
>>>'_'.join(re.findall(r'\w+',s)).lower()
'hello_world_hello_cat_h123ello_123'

还有一种我认为应该更快的方法，就是直接替换掉那些不是字母或数字的字符。可以用re.sub来实现，把所有非字母数字的字符一起抓取，然后用_替换掉，像这样：

>>>re.sub(r'\W+','_',s).lower()
'hello_world_hello_cat_h123ello_123'

不过……实际上并不是这样，速度测试：

$python -mtimeit -s "import re" -s "s='Hello World, Hello Cat! Hello?'" "'_'.join(re.findall(r'\w+',s)).lower()"
100000 loops, best of 3: 5.08 usec per loop


$python -mtimeit -s "import re" -s "s='Hello World, Hello Cat! Hello?'" "re.sub(r'\W+','_',s).lower()"
100000 loops, best of 3: 6.55 usec per loop

Answer 5

import re
re.sub(r'!|\?|,', '', text)

这段代码会把字符串中的感叹号、问号和逗号去掉。