Python 正则表达式匹配 URL

Posted 2023-02-15

【中文标题】Python 正则表达式匹配 URL

【英文标题】：Python regex matching URLs

【发布时间】：2021-12-31 18:21:51

【问题描述】：

我在 URL 的文本文件中有一个列表，其中包含一些不需要的文本下面的例子：

文件内容是一个 URL 列表：

http://www.example.com/52                   (Status: 403) [Size: 919]
http://www.example.com/details              (Status: 403) [Size: 919]
http://www.example.com/h                    (Status: 403) [Size: 919]
http://www.example.com/affiliate            (Status: 403) [Size: 919]
http://www.example.com/56                   (Status: 403) [Size: 919]

我使用的正则表达式是："^[://.a-zA-Z0-9-_]*"

输出如下：

['http://www.example.com/52']
['http://www.example.com/details']
['http://www.example.com/h']
['http://www.example.com/affiliate']
['http://www.example.com/56']

我需要输出如下：

http://www.example.com/52
http://www.example.com/details
http://www.example.com/h
http://www.example.com/affiliate
http://www.example.com/56

本程序使用的代码如下：

import re

with open("test.txt","r") as test:
    for i in test:
        x = re.findall("^[://.a-zA-Z0-9-_]*",i)
        print(x)

【问题讨论】：

也许print(x[0]) 就是你要找的。​​span>

这是工作谢谢你 j1-lee

不使用regex也可以像url = i.split()[0]一样应用

【参考方案1】：

findall 生成一个字符串列表，您可以打印出结果中的第一个元素 print(x[0]) 或只使用 match 代替此用例，因为每行有 1 个 url。

with open("test.txt","r") as test:
    for i in test:
        x = re.match(r"[://.a-zA-Z0-9-_]*", i)
        print(x.group(0))