Regularexpression获得.com

Question

我有多个链接......

linkslist = 
[https://test.com
,https://test1.example.com/exm/1/2/3/4
,https://test2.example.test.com/exm/1/2/3/4
,http://test3.com]

由此，我只需要提取以下内容，

https://test.com
https://test1.com
https://test2.com
http://test3.com

我尝试了以下内容，

 if re.search("http*.com",string1):
...     print "found"

Answer 1

更新：感谢@Robin。它起作用了，但它与我的意图略有不同。

假设只有http或https（没有端口），这可以：

(https?://(?:\w+\.)+com)(?:/.*)?

Debuggex Demo

该网址位于捕获组1中。

(?:\w+\.)+的解释：

• 一个或多个
  • 一个或多个单词字符：字母，数字或下划线
  • 后跟一个字面点。

例如，此部分会捕获usatoday.和entertainment.usatoday.。网址的所有pre-domain（.com）部分。

为了安全起见，您还可以添加开始和结束锚点：

^(https?://(?:\w+\.)+com)(?:/.*)?$

要添加不同域的可能性，请按以下方式添加：

^(https?://(?:\w+\.)+(?:com|net|org|gov))(?:/.*)?$

请注意，此问题及其副本也会有所帮助： regular expression for url

Answer 2

如果您不想具体了解.com部分，可以使用它。它将匹配以http或https开头的URL，它只会匹配直到第一个正斜杠或字符串/行的结尾，包括可能存在的任何端口号。

/https?:\/\/[^\/$\s]+/i

结果如下：

https://test.com -> https://test.com
https://test1.example.com/exm/1/2/3/4 -> https://test1.example.com
https://test2.example.test.com/exm/1/2/3/4 -> https://test2.example.test.com
http://test3.com -> http://test3.com
https://test.com:8080 -> https://test.com:8080
https://test1.example.com:3000/exm/1/2/3/4 -> https://test1.example.com:3000
https://test2.example.test.com:80/exm/1/2/3/4 -> https://test2.example.test.com:80
http://test3.com:8000 -> http://test3.com:8000

如果要排除端口号，只需在不匹配的组中添加冒号：

/https?:\/\/[^\/$\s:]+/i

如果您确实想要了解.com部分，请添加最后一个：

https?:\/\/[^\/\s]+\.com

如果您只想要.com-domains，但想要包含端口号，那就可以了：

https?:\/\/[^\/\s]+\.com(:\d+)?