如果一个url不是以http开头的，我怎样才能将http预先设置为url呢？

Question

我的URL格式为：

google.com
www.google.com
http://google.com
http://www.google.com

我想将所有类型的链接转换为统一格式，从http://开始

http://google.com

如何使用Python用http://预处理url？

Answer 1

对于您在问题中提到的格式，您可以执行以下简单操作：

def convert(url):
    if url.startswith('http://www.'):
        return 'http://' + url[len('http://www.'):]
    if url.startswith('www.'):
        return 'http://' + url[len('www.'):]
    if not url.startswith('http://'):
        return 'http://' + url
    return url

但请注意，可能还有其他格式是您没有预料到的。此外，请记住，输出URL（根据您的定义）不一定是有效的（即，DNS将无法将其转换为有效的IP地址）。

Answer 2

Python确实有内置函数来正确处理这个问题，比如

p = urlparse.urlparse(my_url, 'http')
netloc = p.netloc or p.path
path = p.path if p.netloc else ''
if not netloc.startswith('www.'):
    netloc = 'www.' + netloc

p = urlparse.ParseResult('http', netloc, path, *p[3:])
print(p.geturl())

如果要删除（或添加）部分www，则必须在调用.geturl()之前编辑结果对象的.netloc字段。

因为ParseResult是一个namedtuple，所以不能就地编辑它，而是必须创建一个新对象。

附言：

对于Python3，应该是urllib.parse.urlparse

Answer 3

我发现使用regex检测协议很容易，如果缺少，可以附加它：

import re
def formaturl(url):
    if not re.match('(?:http|ftp|https)://', url):
        return 'http://{}'.format(url)
    return url

url = 'test.com'
print(formaturl(url)) # http://test.com

url = 'https://test.com'
print(formaturl(url)) # https://test.com

希望有帮助！