如何用Python反转Google AMP API，从AMP URL提取原始URL？

嘿，这个需求我刚好折腾过！从AMP URL反转得到原始页面地址其实有两种靠谱的方式，我给你详细拆解，用Python实现起来超简单～

方法一：直接解析AMP页面的规范链接（最通用） #

根据AMP的官方规范，每个AMP页面必须包含一个rel="canonical"的链接标签，指向对应的原始页面。我们只需要爬取AMP页面的HTML内容，提取这个标签的href属性就行，完全不需要依赖任何API密钥。

步骤： #

• 发送HTTP请求获取AMP页面的HTML内容
• 用HTML解析库定位到rel="canonical"的<link>标签
• 提取标签中的href值，就是原始URL

Python代码实现： #

首先需要安装依赖库：

pip install requests beautifulsoup4

然后是核心代码：

import requests
from bs4 import BeautifulSoup

def amp_to_original(amp_url):
    try:
        # 模拟浏览器请求，避免被反爬拦截
        headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36"}
        response = requests.get(amp_url, headers=headers)
        response.raise_for_status()  # 检查请求是否成功
        
        # 解析HTML内容
        soup = BeautifulSoup(response.text, "html.parser")
        # 查找规范链接标签
        canonical_link = soup.find("link", rel="canonical")
        
        if canonical_link and canonical_link.get("href"):
            return canonical_link["href"]
        else:
            return "⚠️ 找不到原始URL，可能该AMP页面不符合规范"
    
    except requests.exceptions.RequestException as e:
        return f"❌ 请求出错：{str(e)}"

# 测试你的示例URL
test_amp_url = "https://amp.cnn.com/cnn/2018/03/08/politics/jeff-flake-anti-tariff-bill/"
original_url = amp_to_original(test_amp_url)
print(f"原始URL：{original_url}")

运行这段代码，就能得到你想要的结果：https://cnn.com/2018/03/08/politics/jeff-flake-anti-tariff-bill/

方法二：使用Google AMP转换API（官方方案） #

如果你想依赖官方API来做转换，可以用Google的AMP转换服务，但需要先在Google Cloud控制台启用AMP转换API并获取API密钥（有免费调用额度，但超过需要付费）。

Python代码实现： #

import requests

def amp_to_original_via_api(amp_url, api_key):
    api_endpoint = f"https://amp.googleapis.com/v1/convert?url={amp_url}&key={api_key}"
    try:
        response = requests.get(api_endpoint)
        response.raise_for_status()
        result = response.json()
        return result.get("canonicalUrl", "⚠️ API返回中未找到原始URL")
    except requests.exceptions.RequestException as e:
        return f"❌ API请求出错：{str(e)}"

# 使用示例（替换成你的API密钥）
# api_key = "YOUR_GOOGLE_CLOUD_API_KEY"
# original_url = amp_to_original_via_api(test_amp_url, api_key)
# print(original_url)

一些注意事项 #

• 优先用方法一：不需要API密钥，无调用限制，而且是AMP规范要求的标准方式，兼容性最好
• 避免硬改URL结构：比如直接去掉amp.前缀，这种方法只适用于部分网站，很多网站的AMP URL结构不一样（比如m.example.com/amp/article），很容易出错
• 反爬处理：如果遇到请求被拦截，可以调整User-Agent，或者添加代理、延迟请求等策略

内容的提问来源于stack exchange，提问作者Markyroson