Question

我正在尝试以"http://something"或https://something.的形式查找网页上的所有链接我制作了一个正则表达式并且有效：

L = re.findall(r"http://[^/\"]+/|https://[^/\"]+/", site_str)

但是，有没有更短的方式来写这个？我正在重复：// [^ / \“] + /两次，可能没有任何需要。我尝试了各种各样的东西，但它不起作用。我试过了：

L = re.findall(r"http|https(://[^/\"]+/)", site_str)
L = re.findall(r"(http|https)://[^/\"]+/", site_str)
L = re.findall(r"(http|https)(://[^/\"]+/)", site_str)

很明显我在这里遗漏了一些东西，或者我只是不太了解python正则表达式。

Answer 1

您正在使用捕获组和.findall() alters behaviour when you use those（它只会返回捕获组的内容）。您的正则表达式可以简化，但如果您使用非 - 捕获组，您的版本将会起作用：

L = re.findall(r"(?:http|https)://[^/\"]+/", site_str)

如果在表达式周围使用单引号，则无需转义双引号，并且只需更改表达式中的s，因此s?也可以使用：

L = re.findall(r'https?://[^/"]+/', site_str)

演示：

>>> import re
>>> example = '''
... "http://someserver.com/"
... "https://anotherserver.com/with/path"
... '''
>>> re.findall(r'https?://[^/"]+/', example)
['http://someserver.com/', 'https://anotherserver.com/']

Python正则表达式交替

1 个答案: