Pythonを使用して文字列URLを単語に分割する

Question

Pythonで文字列（URL）からさまざまな単語を取得するにはどうすればよいですか？

http://www.sample.com/level1/level2/index.html?id=1234 

私のような言葉を取得したい：

http, www, sample, com, level1, level2, index, html, id, 1234 

のpythonを使用して任意のソリューションをのようなURLから 。

ありがとうございました。

Answer 1

これは、あなたがすべてのためにそれを行うことができます方法ですURL

import re 
def getWordsFromURL(url): 
    return re.compile(r'[\:/?=\-&]+',re.UNICODE).split(url) 

は今、あなたは

url = "http://www.sample.com/level1/level2/index.html?id=1234" 
words = getWordsFromURL(url) 

Answer 2

だけで正規表現スプリット非alphanumsの最大の順序に従って：

import re 
l = re.split(r"\W+","http://www.sample.com/level1/level2/index.html?id=1234") 
print(l) 

利回り：

['http', 'www', 'sample', 'com', 'level1', 'level2', 'index', 'html', 'id', '1234'] 

これは単純ですが、誰かが指摘したよう_がある場合、機能しません。 、-、...のURL名です。だから、あまり楽しいソリューションは、パス部分を分離することができ、すべての可能なトークンの一覧を表示するために、次のようになります。

l = re.split(r"[/:\.?=&]+","http://stackoverflow.com/questions/41935748/splitting-a-stri‌​ng-url-into-words-us‌​ing-python") 

（私はいくつかの分離記号を忘れている可能性があることを認める）