URL Parser

url_p.py

"""
    http://www.gmail.com/g/mail?fr=3&ui=2
    http://gmail.com
    ssh://[email protected]
    ftp://ime.usp.com.br/~denis/?model=SistemasDeArquivo
"""

import unittest
import string

def analisador_url(url):
    url_parseada = {}
    querystring = None

    if '?' in url:
        url, querystring = url.split('?')
    
    parametros = {}
    # if querystring:
    #     for params in querystring.split('&'):
    #         chave, valor = params.split('=')
    #         parametros[chave] = valor

    if querystring:
        parametros = dict([tuple(chave_valor.split('=')) for chave_valor in [item for item in querystring.split('&')]])

    url_parseada['querystring'] = parametros

    url_parseada['protocolo'], host_dominio_path = url.split('://')

    url_parseada['user'] = None

    if '@' in url:
        url_parseada['user'], host_dominio_path = host_dominio_path.split('@')

    url_parseada['path'] = None

    host_dominio = host_dominio_path

    if '/' in host_dominio_path:
        host_dominio, url_parseada['path'] = string.split(host_dominio_path, '/', 1)
        url_parseada['path'] = '/' + url_parseada['path']

    host_dominio_itens = host_dominio.split('.')
    url_parseada['host'] = ''
    url_parseada['dominio'] = host_dominio_itens[0]
    if len(host_dominio_itens) > 2:
        url_parseada['host'], url_parseada['dominio'] = host_dominio_itens[0], '.'.join(host_dominio_itens[1:])
    
    return url_parseada

class DojoUrls(unittest.TestCase):

    def test_deve_retornar_protocolo(self):
        self.assertEquals('http', 
            analisador_url('http://')['protocolo'])
        self.assertEquals('ssh', 
            analisador_url('ssh://[email protected]')['protocolo'])
        self.assertEquals('ftp', 
            analisador_url('ftp://ime.usp.com.br/~denis/?model=SistemasDeArquivo')['protocolo'])
    
    def test_deve_retornar_host(self):
        self.assertEquals('www', 
            analisador_url('http://www.gmail.com')['host'])
        self.assertEquals('ime',
            analisador_url('http://ime.usp.com.br')['host'])

    def test_deve_retornar_dominio(self):
        self.assertEquals('gmail.com', 
            analisador_url('http://www.gmail.com')['dominio'])
        self.assertEquals('usp.com.br', 
            analisador_url('http://ime.usp.com.br/~denis/?model=SistemasDeArquivo')['dominio'])

    def test_deve_retornar_path(self):
        self.assertEquals('/g/mail',
            analisador_url('http://www.gmail.com/g/mail?fr=3&ui=2')['path'])
        self.assertEquals('/~denis/',
            analisador_url('ftp://ime.usp.com.br/~denis/?model=SistemasDeArquivo')['path'])

    def test_deve_retornar_querystring(self):
        self.assertEquals({'model': 'SistemasDeArquivo'},
            analisador_url('ftp://ime.usp.com.br/~denis/?model=SistemasDeArquivo')['querystring'])
        self.assertEquals({'fr': '3', 'ui': '2'},
            analisador_url('http://www.gmail.com/g/mail?fr=3&ui=2')['querystring'])

    def test_deve_retornar_user(self):
        self.assertEquals('marcelo', 
            analisador_url('ssh://[email protected]')['user'])
        self.assertEquals('weverton', 
            analisador_url('ssh://[email protected]')['user'])
        self.assertEquals(None, 
            analisador_url('ssh://git.com')['user'])


if __name__ == '__main__':
    unittest.main()