Sé que esto se puede hacer fácilmente usando PHP de parse_urlparse_str y funciones:¿Cómo puedo extraer la identificación del video del enlace de YouTube en Python?
$subject = "http://www.youtube.com/watch?v=z_AbfPXTKms&NR=1";
$url = parse_url($subject);
parse_str($url['query'], $query);
var_dump($query);
Pero cómo lograr esto usando Python? Puedo hacer urlparse, pero ¿qué sigue?
Python tiene a library for parsing URLs.
import urlparse
url_data = urlparse.urlparse("http://www.youtube.com/watch?v=z_AbfPXTKms&NR=1")
query = urlparse.parse_qs(url_data.query)
video = query["v"][0]
No hay necesidad de expresiones regulares. Dividir en ?, tomar el segundo, dividir en =, tomar el segundo, dividir en &, tomar el primero.
trabajo. ¿Tiene alguna idea de si este método es lo suficientemente a prueba de balas para ser utilizado sin mayores preocupaciones en proyectos listos para el mercado? – decarbo
usa urlparse para esto. no enrolles los suyos con la división de cadenas o expresiones regulares. http://docs.python.org/library/urlparse.html –
urlparse da consulta en general, así que todavía tengo que dividirlo para obtener ID – decarbo
Aquí es algo que se podría tratar de usar expresiones regulares para el ID de vídeo de YouTube:
# regex for the YouTube ID: "^[^v]+v=(.{11}).*"
result = re.match('^[^v]+v=(.{11}).*', url)
print result.group(1)
match = re.search(r"youtube\.com/.*v=([^&]*)", "http://www.youtube.com/watch?v=z_AbfPXTKms&test=123")
if match:
result = match.group(1)
else:
result = ""
No probado.
He creado youtube Identificación del analizador sin expresión regular:
def video_id(value):
"""
Examples:
- http://youtu.be/SA2iWivDJiE
- http://www.youtube.com/watch?v=_oPAwA_Udwc&feature=feedu
- http://www.youtube.com/embed/SA2iWivDJiE
- http://www.youtube.com/v/SA2iWivDJiE?version=3&hl=en_US
"""
query = urlparse(value)
if query.hostname == 'youtu.be':
return query.path[1:]
if query.hostname in ('www.youtube.com', 'youtube.com'):
if query.path == '/watch':
p = parse_qs(query.query)
return p['v'][0]
if query.path[:7] == '/embed/':
return query.path.split('/')[2]
if query.path[:3] == '/v/':
return query.path.split('/')[2]
# fail?
return None
Este es ideal para analizar todos los posibles formatos de enlace de YouTube. – Lexo
puede usar 'query.path.startswith ('/ embed /')' para mayor legibilidad. –
La solución anterior funciona bien, excepto en un escenario. https://m.youtube.com/?#/watch?v=683hzaj3oc8 Sería muy útil si también obtuviera una solución para el escenario anterior. –
Aquí es de expresiones regulares que cubre estos casos 
((?<=(v|V)/)|(?<=be/)|(?<=(\?|\&)v=)|(?<=embed/))([\w-]+)
para hacer que esto funcione en python, también tuve que corregir la sintaxis: '((? <= (v | V) /) | (? <= be /) | (? <= (\? | \ &) v =) | (? <= embed /)) ([\ w -] +) '. Esta solución terminó siendo la que manejó la mayoría de los casos. –
@GusE gracias, arreglado – Alex
'Puedo hacer urlparse, pero ¿qué sigue? 'Sí, lo sé, pero el problema es con la parte de consulta. – decarbo
@decarbo La respuesta actualizada muestra cómo extraer solo el valor del parámetro 'v' en la cadena de consulta. – Phrogz
yap, esa es la mejor solución, supongo. – decarbo