我正在嘗試清理從他們的鏈接中抓取的資料。我正在嘗試清理的 CSV 中有超過 100 個鏈接。
這是 CSV 中鏈接的樣子：
"https://www.google.com/url?rct=j&sa=t&url=https://www.somenewswebsite.com/news/society/new-covid-variant-decline-across-the-nation/014465428&ct=ga&cd=SldisGkopisopiasenjA6Y28Ug&usg=AFQjaskdfYJkasKugowe896fsdgfsweF"
我觀察到為 HTML 資料抓取此內容并不順利，我必須獲取其中存在的 URL。我想獲取以真實 URL 所在位置開頭&url=和結尾的子字串。&ct
我讀過這樣的帖子，但也找不到結束 str 的帖子。我已經嘗試了一種使用包的方法substring，但它不適用于多個角色。
我該怎么做呢？最好不使用第三方軟體包？
uj5u.com熱心網友回復：
我不明白問題
如果你有字串，那么你可以使用字串函式.find()和 slice[start:end]
text = "https://www.google.com/url?rct=j&sa=t&url=https://www.somenewswebsite.com/news/society/new-covid-variant-decline-across-the-nation/014465428&ct=ga&cd=SldisGkopisopiasenjA6Y28Ug&usg=AFQjaskdfYJkasKugowe896fsdgfsweF"
start = text.find('url=') len('url=')
end = text.find('&ct=')
text[start:end]
但它可能有url=不同ct=的順序，所以最好先&搜索url=
text = "https://www.google.com/url?rct=j&sa=t&url=https://www.somenewswebsite.com/news/society/new-covid-variant-decline-across-the-nation/014465428&ct=ga&cd=SldisGkopisopiasenjA6Y28Ug&usg=AFQjaskdfYJkasKugowe896fsdgfsweF"
start = text.find('url=') len('url=')
end = text.find('&', start)
text[start:end]
編輯：
還有urllib.parse與 url 一起使用的標準模塊 - 拆分或加入它。
text = "https://www.google.com/url?rct=j&sa=t&url=https://www.somenewswebsite.com/news/society/new-covid-variant-decline-across-the-nation/014465428&ct=ga&cd=SldisGkopisopiasenjA6Y28Ug&usg=AFQjaskdfYJkasKugowe896fsdgfsweF"
import urllib.parse
url, query = urllib.parse.splitquery(text)
data = urllib.parse.parse_qs(query)
data['url'][0]
在data你有字典
{'cd': ['SldisGkopisopiasenjA6Y28Ug'],
'ct': ['ga'],
'rct': ['j'],
'sa': ['t'],
'url': ['https://www.somenewswebsite.com/news/society/new-covid-variant-decline-across-the-nation/014465428'],
'usg': ['AFQjaskdfYJkasKugowe896fsdgfsweF']}
編輯：
Python 顯示警告splitquery()并且deprecated as of 3.8代碼應該使用urlparse()
text = "https://www.google.com/url?rct=j&sa=t&url=https://www.somenewswebsite.com/news/society/new-covid-variant-decline-across-the-nation/014465428&ct=ga&cd=SldisGkopisopiasenjA6Y28Ug&usg=AFQjaskdfYJkasKugowe896fsdgfsweF"
import urllib.parse
parts = urllib.parse.urlparse(text)
data = urllib.parse.parse_qs(parts.query)
data['url'][0]
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/442002.html