Python：如何檢查一個字符串是否是一個有效的IRI？

有沒有一個標準功能來檢查IRI，來檢查URL顯然，我可以使用：Python：如何檢查一個字符串是否是一個有效的IRI？

parts = urlparse.urlsplit(url) 
    if not parts.scheme or not parts.netloc: 
     '''apparently not an url'''

我嘗試了上面的URL包含Unicode字符：

import urlparse 
url = "http://fdasdf.fdsfîășîs.fss/ăîăî" 
parts = urlparse.urlsplit(url) 
if not parts.scheme or not parts.netloc: 
    print "not an url" 
else: 
    print "yes an url"

和我所得到的是yes an url。這是否意味着我對這個有效的IRI測試很好？有另一種方法嗎？

來源

2012-09-24 Eduard Florinescu

爲什麼你不應該是好？您的示例是否違反IRI標準定義的任何規則？換句話說：你問我們你的測試是否違反了IRI規則？你自己做了這個研究嗎？ –

@ Jan-PhilipGehrcke如果我對此感到滿意，我會問一位比IRI有更多經驗的人。 –

使用urlparse不足以測試一個有效的IRI。

使用rfc3987 package代替：

from rfc3987 import parse 

parse('http://fdasdf.fdsfîășîs.fss/ăîăî', rule='IRI')

來源

2012-09-24 12:46:49

'ImportError：No module named rfc3987' so it is not standard，'pip install rfc3987' –

您必須安裝他鏈接到 –

的軟件包@DavidRobinson'pip install rfc3987'也可以工作 –

the implementation of urlparse中唯一的字符集敏感代碼要求該方案僅包含ASCII字母，數字和[+ - 。]字符;否則它是完全不可知的，所以可以很好地處理非ASCII字符。

由於這是non-documented behaviour，您有責任檢查它是否仍然如此（在您的項目中進行測試），但我不認爲它會改變爲打破IRI。

的urllib提供quoting functions虹膜轉換到/從ASCII的URI，但他們仍然不提虹膜文件明確，他們在某些情況下破壞：Is there a unicode-ready substitute I can use for urllib.quote and urllib.unquote in Python 2.6.5?

來源

2012-09-24 12:41:03 ecatmur

'urllib.quote（url）'似乎可以逃避'http：//'到'http％3A //' –

@EduardFlorinescu的'：'冒號，默認情況下它只能用於引用IRI;對於完整的IRI，您需要解析，引用和重新組裝這些組件。 – ecatmur

Python：如何檢查一個字符串是否是一個有效的IRI？

回答

相關問題