请问如何使用python的正则表达式提取url链接？

Posted 2023-04-02

比如这个，如何将//之后的链接用正则表达式提取出来？谢谢！
//i0.hdslb.com/bfs/archive/33928d95e48c9bf6f5f7267402841e4da3e053d5.jpg

import re
m=re.search(r\'//[0-9A-Za-z./]+\',url)

具体要考虑连接里的字符，以及其他地方的正文字符

参考技术A url是什么格式的，通常使用正则表达式提取就可以了。追问

那请问如何具体操作呢。

如何使用正则表达式从字符串中提取第 n 个 URL？

【中文标题】如何使用正则表达式从字符串中提取第 n 个 URL？

【英文标题】：How to extract nth URL from string using regex?

【发布时间】：2021-05-06 19:31:26

【问题描述】：

我想使用正则表达式提取第二个 URL，我不能使用任何其他东西，到目前为止，我已经设法使用正则表达式从字符串中提取所有 URL，但它只是给出了第一个 URL。

fun main() 
    var text = "hello world https://www.google.com hello world https://www.***.com hello world https://www.test.com"
    var regex = """((http|ftp|https):\/\/([\w_-]+(?:(?:\.[\w_-]+)+))([\w.,@?^=%&:\/~+#-]*[\w@?^=%&\/~+#-])?)"""
    println(performRegex(text, regex))


private fun performRegex(text: String?, regex: String?): String? 
    val regexPattern = Regex("""$regex""")
    return regexPattern.find(text.toString())?.value

电流输出：https://www.google.com

预期输出：https://www.***.com

【问题讨论】：

尝试使用 findAll 并获取第二项。

不改代码就可以了。该代码仅用于演示。它只需要使用正则表达式来处理

【参考方案1】：

你可以使用

private fun performRegex(text: String?, regex: String?): String? 
    val regexPattern = Regex("""$regex""")
    val matchList = regexPattern.findAll(text.toString()).mapit.value.toList() 
    return if (matchList.size >= 2) matchList[1] else null


fun main(args: Array<String>) 
    var text = "hello world https://www.google.com hello world https://www.***.com hello world https://w...content-available-to-author-only...t.com"
    var regex = """(?:https?|ftp)://\S+"""
    println(performRegex(text, regex))

请参阅online Kotlin demo。

正则表达式是(?:https?|ftp)://\S+，它匹配http://、https:// 或ftp://，然后是任何一个或多个非空白字符。

val matchList = regexPattern.findAll(text.toString()).mapit.value.toList() 部分查找所有匹配项并将结果映射到字符串列表。

如果匹配列表大小为两个或更多，return if (matchList.size >= 2) matchList[1] else null 部分返回找到的第二个匹配项，否则返回null。

【讨论】：

代码仅供演示。我无法更改代码。它只需要使用正则表达式来处理

@VaibhavChopade 您将不得不修改代码，因为正则表达式是一个定义规则的字符串，匹配什么。搜索多少匹配是代码责任。 (?:http|ftp)s?://\S++.*?((?:http|ftp)s?://\S+)can work for you，但您仍然需要获取第 1 组的值。

@VaibhavChopade 当然，我已经展示了。或this way，正则表达式定义为var regex = """(?:http|ftp)s?://\S++.*?((?:http|ftp)s?://\S+)"""，return 语句必须为return regexPattern.find(text.toString())?.groupValues?.getOrNull(1)

嗨@Wiktor，有没有办法只输出第二场比赛？我之前已经尝试过您的方法，但它会在两个 URL 之间输出整个文本...

@VaibhavChopade 我目前的解决方案就是如何获得第 N 场比赛。第二个。你不能用纯 Java 正则表达式得到它，你必须编辑你的代码。就是这样。