home *** CD-ROM | disk | FTP | other *** search
/ Chip 2007 January, February, March & April / Chip-Cover-CD-2007-02.iso / Pakiet bezpieczenstwa / mini Pentoo LiveCD 2006.1 / mpentoo-2006.1.iso / livecd.squashfs / usr / lib / python2.4 / urlparse.py < prev    next >
Text File  |  2005-10-18  |  9KB  |  268 lines
  1. """Parse (absolute and relative) URLs.
  2.  
  3. See RFC 1808: "Relative Uniform Resource Locators", by R. Fielding,
  4. UC Irvine, June 1995.
  5. """
  6.  
  7. __all__ = ["urlparse", "urlunparse", "urljoin", "urldefrag",
  8.            "urlsplit", "urlunsplit"]
  9.  
  10. # A classification of schemes ('' means apply by default)
  11. uses_relative = ['ftp', 'http', 'gopher', 'nntp', 'imap',
  12.                                'wais', 'file', 'https', 'shttp', 'mms',
  13.                                'prospero', 'rtsp', 'rtspu', '']
  14. uses_netloc = ['ftp', 'http', 'gopher', 'nntp', 'telnet',
  15.                              'imap', 'wais', 'file', 'mms', 'https', 'shttp',
  16.                              'snews', 'prospero', 'rtsp', 'rtspu', 'rsync', '',
  17.                              'svn', 'svn+ssh']
  18. non_hierarchical = ['gopher', 'hdl', 'mailto', 'news',
  19.                                   'telnet', 'wais', 'imap', 'snews', 'sip']
  20. uses_params = ['ftp', 'hdl', 'prospero', 'http', 'imap',
  21.                              'https', 'shttp', 'rtsp', 'rtspu', 'sip',
  22.                              'mms', '']
  23. uses_query = ['http', 'wais', 'imap', 'https', 'shttp', 'mms',
  24.                             'gopher', 'rtsp', 'rtspu', 'sip', '']
  25. uses_fragment = ['ftp', 'hdl', 'http', 'gopher', 'news',
  26.                                'nntp', 'wais', 'https', 'shttp', 'snews',
  27.                                'file', 'prospero', '']
  28.  
  29. # Characters valid in scheme names
  30. scheme_chars = ('abcdefghijklmnopqrstuvwxyz'
  31.                 'ABCDEFGHIJKLMNOPQRSTUVWXYZ'
  32.                 '0123456789'
  33.                 '+-.')
  34.  
  35. MAX_CACHE_SIZE = 20
  36. _parse_cache = {}
  37.  
  38. def clear_cache():
  39.     """Clear the parse cache."""
  40.     global _parse_cache
  41.     _parse_cache = {}
  42.  
  43.  
  44. def urlparse(url, scheme='', allow_fragments=1):
  45.     """Parse a URL into 6 components:
  46.     <scheme>://<netloc>/<path>;<params>?<query>#<fragment>
  47.     Return a 6-tuple: (scheme, netloc, path, params, query, fragment).
  48.     Note that we don't break the components up in smaller bits
  49.     (e.g. netloc is a single string) and we don't expand % escapes."""
  50.     tuple = urlsplit(url, scheme, allow_fragments)
  51.     scheme, netloc, url, query, fragment = tuple
  52.     if scheme in uses_params and ';' in url:
  53.         url, params = _splitparams(url)
  54.     else:
  55.         params = ''
  56.     return scheme, netloc, url, params, query, fragment
  57.  
  58. def _splitparams(url):
  59.     if '/'  in url:
  60.         i = url.find(';', url.rfind('/'))
  61.         if i < 0:
  62.             return url, ''
  63.     else:
  64.         i = url.find(';')
  65.     return url[:i], url[i+1:]
  66.  
  67. def _splitnetloc(url, start=0):
  68.     for c in '/?#': # the order is important!
  69.         delim = url.find(c, start)
  70.         if delim >= 0:
  71.             break
  72.     else:
  73.         delim = len(url)
  74.     return url[start:delim], url[delim:]
  75.  
  76. def urlsplit(url, scheme='', allow_fragments=1):
  77.     """Parse a URL into 5 components:
  78.     <scheme>://<netloc>/<path>?<query>#<fragment>
  79.     Return a 5-tuple: (scheme, netloc, path, query, fragment).
  80.     Note that we don't break the components up in smaller bits
  81.     (e.g. netloc is a single string) and we don't expand % escapes."""
  82.     key = url, scheme, allow_fragments
  83.     cached = _parse_cache.get(key, None)
  84.     if cached:
  85.         return cached
  86.     if len(_parse_cache) >= MAX_CACHE_SIZE: # avoid runaway growth
  87.         clear_cache()
  88.     netloc = query = fragment = ''
  89.     i = url.find(':')
  90.     if i > 0:
  91.         if url[:i] == 'http': # optimize the common case
  92.             scheme = url[:i].lower()
  93.             url = url[i+1:]
  94.             if url[:2] == '//':
  95.                 netloc, url = _splitnetloc(url, 2)
  96.             if allow_fragments and '#' in url:
  97.                 url, fragment = url.split('#', 1)
  98.             if '?' in url:
  99.                 url, query = url.split('?', 1)
  100.             tuple = scheme, netloc, url, query, fragment
  101.             _parse_cache[key] = tuple
  102.             return tuple
  103.         for c in url[:i]:
  104.             if c not in scheme_chars:
  105.                 break
  106.         else:
  107.             scheme, url = url[:i].lower(), url[i+1:]
  108.     if scheme in uses_netloc and url[:2] == '//':
  109.         netloc, url = _splitnetloc(url, 2)
  110.     if allow_fragments and scheme in uses_fragment and '#' in url:
  111.         url, fragment = url.split('#', 1)
  112.     if scheme in uses_query and '?' in url:
  113.         url, query = url.split('?', 1)
  114.     tuple = scheme, netloc, url, query, fragment
  115.     _parse_cache[key] = tuple
  116.     return tuple
  117.  
  118. def urlunparse((scheme, netloc, url, params, query, fragment)):
  119.     """Put a parsed URL back together again.  This may result in a
  120.     slightly different, but equivalent URL, if the URL that was parsed
  121.     originally had redundant delimiters, e.g. a ? with an empty query
  122.     (the draft states that these are equivalent)."""
  123.     if params:
  124.         url = "%s;%s" % (url, params)
  125.     return urlunsplit((scheme, netloc, url, query, fragment))
  126.  
  127. def urlunsplit((scheme, netloc, url, query, fragment)):
  128.     if netloc or (scheme and scheme in uses_netloc and url[:2] != '//'):
  129.         if url and url[:1] != '/': url = '/' + url
  130.         url = '//' + (netloc or '') + url
  131.     if scheme:
  132.         url = scheme + ':' + url
  133.     if query:
  134.         url = url + '?' + query
  135.     if fragment:
  136.         url = url + '#' + fragment
  137.     return url
  138.  
  139. def urljoin(base, url, allow_fragments = 1):
  140.     """Join a base URL and a possibly relative URL to form an absolute
  141.     interpretation of the latter."""
  142.     if not base:
  143.         return url
  144.     if not url:
  145.         return base
  146.     bscheme, bnetloc, bpath, bparams, bquery, bfragment = \
  147.             urlparse(base, '', allow_fragments)
  148.     scheme, netloc, path, params, query, fragment = \
  149.             urlparse(url, bscheme, allow_fragments)
  150.     if scheme != bscheme or scheme not in uses_relative:
  151.         return url
  152.     if scheme in uses_netloc:
  153.         if netloc:
  154.             return urlunparse((scheme, netloc, path,
  155.                                params, query, fragment))
  156.         netloc = bnetloc
  157.     if path[:1] == '/':
  158.         return urlunparse((scheme, netloc, path,
  159.                            params, query, fragment))
  160.     if not (path or params or query):
  161.         return urlunparse((scheme, netloc, bpath,
  162.                            bparams, bquery, fragment))
  163.     segments = bpath.split('/')[:-1] + path.split('/')
  164.     # XXX The stuff below is bogus in various ways...
  165.     if segments[-1] == '.':
  166.         segments[-1] = ''
  167.     while '.' in segments:
  168.         segments.remove('.')
  169.     while 1:
  170.         i = 1
  171.         n = len(segments) - 1
  172.         while i < n:
  173.             if (segments[i] == '..'
  174.                 and segments[i-1] not in ('', '..')):
  175.                 del segments[i-1:i+1]
  176.                 break
  177.             i = i+1
  178.         else:
  179.             break
  180.     if segments == ['', '..']:
  181.         segments[-1] = ''
  182.     elif len(segments) >= 2 and segments[-1] == '..':
  183.         segments[-2:] = ['']
  184.     return urlunparse((scheme, netloc, '/'.join(segments),
  185.                        params, query, fragment))
  186.  
  187. def urldefrag(url):
  188.     """Removes any existing fragment from URL.
  189.  
  190.     Returns a tuple of the defragmented URL and the fragment.  If
  191.     the URL contained no fragments, the second element is the
  192.     empty string.
  193.     """
  194.     if '#' in url:
  195.         s, n, p, a, q, frag = urlparse(url)
  196.         defrag = urlunparse((s, n, p, a, q, ''))
  197.         return defrag, frag
  198.     else:
  199.         return url, ''
  200.  
  201.  
  202. test_input = """
  203.       http://a/b/c/d
  204.  
  205.       g:h        = <URL:g:h>
  206.       http:g     = <URL:http://a/b/c/g>
  207.       http:      = <URL:http://a/b/c/d>
  208.       g          = <URL:http://a/b/c/g>
  209.       ./g        = <URL:http://a/b/c/g>
  210.       g/         = <URL:http://a/b/c/g/>
  211.       /g         = <URL:http://a/g>
  212.       //g        = <URL:http://g>
  213.       ?y         = <URL:http://a/b/c/d?y>
  214.       g?y        = <URL:http://a/b/c/g?y>
  215.       g?y/./x    = <URL:http://a/b/c/g?y/./x>
  216.       .          = <URL:http://a/b/c/>
  217.       ./         = <URL:http://a/b/c/>
  218.       ..         = <URL:http://a/b/>
  219.       ../        = <URL:http://a/b/>
  220.       ../g       = <URL:http://a/b/g>
  221.       ../..      = <URL:http://a/>
  222.       ../../g    = <URL:http://a/g>
  223.       ../../../g = <URL:http://a/../g>
  224.       ./../g     = <URL:http://a/b/g>
  225.       ./g/.      = <URL:http://a/b/c/g/>
  226.       /./g       = <URL:http://a/./g>
  227.       g/./h      = <URL:http://a/b/c/g/h>
  228.       g/../h     = <URL:http://a/b/c/h>
  229.       http:g     = <URL:http://a/b/c/g>
  230.       http:      = <URL:http://a/b/c/d>
  231.       http:?y         = <URL:http://a/b/c/d?y>
  232.       http:g?y        = <URL:http://a/b/c/g?y>
  233.       http:g?y/./x    = <URL:http://a/b/c/g?y/./x>
  234. """
  235.  
  236. def test():
  237.     import sys
  238.     base = ''
  239.     if sys.argv[1:]:
  240.         fn = sys.argv[1]
  241.         if fn == '-':
  242.             fp = sys.stdin
  243.         else:
  244.             fp = open(fn)
  245.     else:
  246.         import StringIO
  247.         fp = StringIO.StringIO(test_input)
  248.     while 1:
  249.         line = fp.readline()
  250.         if not line: break
  251.         words = line.split()
  252.         if not words:
  253.             continue
  254.         url = words[0]
  255.         parts = urlparse(url)
  256.         print '%-10s : %s' % (url, parts)
  257.         abs = urljoin(base, url)
  258.         if not base:
  259.             base = abs
  260.         wrapped = '<URL:%s>' % abs
  261.         print '%-10s = %s' % (url, wrapped)
  262.         if len(words) == 3 and words[1] == '=':
  263.             if wrapped != words[2]:
  264.                 print 'EXPECTED', words[2], '!!!!!!!!!!'
  265.  
  266. if __name__ == '__main__':
  267.     test()
  268.