Python如何将类URL字符串转换为符合规范的标准URL格式

核心处理逻辑 #

按照需求拆分三个核心处理环节：

• 非法URL识别：通过正则校验输入是否符合合法域名结构，要求域名必须包含多级后缀（即必须包含.分隔符），如果带端口需要校验端口在0-65535的合法范围内，不符合规则直接返回invalid url
• 协议自动补全：端口为443时自动匹配https协议，无端口、端口为80或其他自定义端口时自动匹配http协议
• 默认端口省略：当显式声明的端口为当前协议的默认端口（http对应80、https对应443）时，拼接结果时省略端口部分

实现代码 #

import re

def standardize_url(input_str: str) -> str:
    # 预处理：去除首尾空白字符
    content = input_str.strip()
    # 匹配域名+可选端口的正则规则
    url_pattern = r'^([a-zA-Z0-9-]+\.)+[a-zA-Z]{2,}(:(\d+))?$'
    match_res = re.match(url_pattern, content)
    
    # 格式不匹配直接返回非法
    if not match_res:
        return "invalid url"
    
    full_match = match_res.group()
    # 拆分域名和端口
    if ':' in full_match:
        domain, port_str = full_match.split(':', 1)
        port = int(port_str)
        # 校验端口合法范围
        if not (0 <= port <= 65535):
            return "invalid url"
        # 按端口匹配协议、处理默认端口省略
        if port == 443:
            return f"https://{domain}"
        elif port == 80:
            return f"http://{domain}"
        else:
            return f"http://{domain}:{port}"
    else:
        # 无显式端口默认走http
        return f"http://{full_match}"

效果验证 #

对应需求给出的示例，运行结果完全符合预期：

print(standardize_url("example.com"))      # 输出 http://example.com
print(standardize_url("example.com:80"))   # 输出 http://example.com
print(standardize_url("example.com:443"))  # 输出 https://example.com
print(standardize_url("example.com:8000")) # 输出 http://example.com:8000
print(standardize_url("examplecom"))       # 输出 invalid url

如果需要支持带路径、查询参数的URL场景，可以在现有正则基础上扩展对应匹配规则即可。

内容的提问来源于stack exchange，提问作者Huong