python - 必要时如何将 'http://' 协议(protocol)添加到 url？

Question

这个问题在这里已经有了答案:

How can I prepend http to a url if it doesn't begin with http? (5 个回答)

关闭 4年前。

我需要解析一个 URL。我目前正在使用 urlparse.urlparse() 和 urlparse.urlsplit()。

问题是当它不存在方案时，我无法从 URL 获取“netloc”(主机)。我的意思是，如果我有以下网址:

www.amazon.com/Programming-Python-Mark-Lutz/dp/0596158106/ref=sr_1_1?ie=UTF8&qid=1308060974&sr=8-1

我无法获取 netloc:www.amazon.com

根据 python 文档:

Following the syntax specifications in RFC 1808, urlparse recognizes a netloc only if it is properly introduced by ‘//’. Otherwise the input is presumed to be a relative URL and thus to start with a path component.

所以，这是故意的。但是，我仍然不知道如何从该 URL 获取 netloc。

我想我可以检查该方案是否存在，如果不存在，则添加它，然后解析它。但这个解决方案似乎不太好。

你有更好的主意吗？

编辑:感谢所有的答案。但是，我不能做 Corey 和其他人提出的“startswith”事情。因为，如果我得到一个带有其他协议(protocol)/方案的 URL，我会把它搞砸。见:

如果我得到这个网址:

ftp://something.com

使用建议的代码，我会在开头添加“http://”，然后会搞砸。

我找到的解决方案

if not urlparse.urlparse(url).scheme:
   url = "http://"+url
return urlparse.urlparse(url)

注意事项:

我先做一些验证，如果没有给出方案，我认为它是 http://

Answer 1

看来您需要指定协议(protocol)才能获取 netloc。

如果它不存在则添加它可能如下所示:

import urlparse

url = 'www.amazon.com/Programming-Python-Mark-Lutz'
if '//' not in url:
    url = '%s%s' % ('http://', url)
p = urlparse.urlparse(url)
print p.netloc

有关此问题的更多信息:https://bugs.python.org/issue754016