萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> 程式語言綜合

Python 將絕對 URL 替換為相對 URL:正則 + MongoDB 批量更新

場景

數據庫存儲的富文本包含絕對圖片 URL (https://192.168.1.1:888/m/getimg?filename=xxx.jpg),需批量替換為相對路徑 (/m/getimg?filename=xxx.jpg) 以適配移動端。

解決方案

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import pymongo, re
from StringIO import StringIO

conn = pymongo.Connection()
db = conn.test
coll = db.test

# 匹配 src 或 href 屬性中的絕對 URL,捕獲 /m/getimg 及後續參數
regex = re.compile(r'(href|src)=["\']https://.*?(/m/getimg\?.*?)["\']')

def replace_url():
    for doc in coll.find():
        content = doc.get('content')
        if not content: continue
        
        buf_in = StringIO(content)
        buf_out = StringIO()
        for line in buf_in:
            # 替換為相對路徑,保持屬性名
            line = regex.sub(r'\1="\2"', line)
            buf_out.write(line)
        
        new_content = buf_out.getvalue()
        if new_content != content:
            coll.update({'_id': doc['_id']}, {'$set': {'content': new_content}})

if __name__ == '__main__':
    replace_url()

正則解析

  • (href|src):捕獲屬性名(分組 1)。
  • =["\']:匹配等號與引號。
  • https://.*?:非貪婪匹配協議與域名。
  • (/m/getimg\?.*?):捕獲目標相對路徑(分組 2)。
  • ["\']:結束引號。
  • 替換模式 r'\1="\2"':保持屬性名,雙引號包裹相對路徑。

改進建議

  • 使用 BeautifulSoup 解析 DOM 更可靠,避免正則誤匹配。
  • 批量更新使用 bulk_write 提高性能。
  • 添加幂等性檢查,避免重複運行造成數據損壞。
copyright © 萬盛學電腦網 all rights reserved