python - 如何使用 re.match 查找 URL 的第一部分？

Question

我正在使用“urllib.request.urlopen(URL)”来查找不同服务器上不同文件的大小。问题是我需要验证自己。我通过以下方式做到这一点。

url = "https://abc123-abca93.xxx.xxxx.se/other_parts_of_url/file.tar"
top_level_url = "https://abc123-abca93.xxx.xxxx.se/"
password_mgr.add_password(None, top_level_url, 'username',password.get())
handler = urllib.request.HTTPBasicAuthHandler(password_mgr)
# create "opener" (OpenerDirector instance)
opener = urllib.request.build_opener(handler)

这样我现在就可以访问文件了

filesize = urllib.requests.urlopen(url).headers._headers[8][1]

但问题是每个文件的 URL 都会发生变化，所以我想使用 RegExp 来查找 URL 的第一部分，即

"https://"+more_characters+".se"+possibly_port_number+"/"

我在想我可以使用 re.match，但我不确定如何为这种情况编写正确的逻辑，是否可以做类似的事情

match = re.match("https://" + any amount of characters +"/", url)

Answer 1

您可以使用urllib 的解析功能:

from urllib.parse import urlparse

url = "https://abc123-abca93.xxx.xxxx.se/other_parts_of_url/file.tar"

parse_result = urlparse(url)

top_level_url = parse_result.netloc