Question

如何使用正则表达式从以下文本中提取网址：

/url?q=http://www.linkedin.com/in/sujachandrasekaran&sa=u&ei=gptuu5b6kogtyatduicidq&ved=0cbqqfjaa&usg=afqjcnejdwki_gcnxgzsd4apxey1k2swlw

期望的结果是：

http://www.linkedin.com/in/sujachandrasekaran

我用过这个

a = "/url?q=http://www.linkedin.com/in/sujachandrasekaran&sa=u&ei=1jxuu8qxgtwaygs_u4gaaq&ved=0cceqfjaa&usg=afqjcnfl2pecdcddktw_pw9nelfohjp0ca"
linkedin_links = re.findall('(http.*)&',a)

它给了我这个：

u'http://www.linkedin.com/in/sujachandrasekaran&sa=u&ei=1jxuu8qxgtwaygs_u4gaaq&ved=0cceqfjaa'

Answer 1

使用适当的工具代替正则表达式...

from urlparse import urlparse, parse_qs

url = '/url?q=http://www.linkedin.com/in/sujachandrasekaran&sa=u&ei=gptuu5b6kogtyatduicidq&ved=0cbqqfjaa&usg=afqjcnejdwki_gcnxgzsd4apxey1k2swlw'
qs = parse_qs(urlparse(url).query)['q']
# ['http://www.linkedin.com/in/sujachandrasekaran']

它将处理转义，多个q参数，您不必担心它在查询参数中出现的位置。

Answer 2

TL; DR：使用'(http.*?)&'代替'(http.*)&'。

你的正则表达式包含.*。这是默认情况下 greedy ，这意味着它会尽可能地匹配。在您的情况下，它将匹配最后&的所有内容（但不包括）。因为您只想匹配第一个&，所以必须使用?修饰符使正则表达式非贪婪。 .*?尝试匹配尽可能少的字符。通常，这是一个空字符串，但因为在你的情况下它必须跟在&后面，它将匹配第一个&。

Answer 3

这是一个简单的正则表达式，可以在大多数情况下正确地完成工作http://[^&]*。

....其中[^&]*表示：尽可能多地匹配与&不同的所有字符。但是，更好的正则表达式必须只匹配URL中允许的字符（不是我示例中的所有字符）。

也许使用专用工具是你能做到的最好的工具，但是根据使用正则表达式的任务的复杂性，这可能只是更好和更简单的方法。

Answer 4

您可以使用此表达式：选择第一组：

？
/ URL \ Q =（[^＆安培;] +）

这将选择/ url？q =之后和＆amp;。

之前的所有内容

这将添加对其他网址的支持，例如https和ftp

Answer 5

#! /usr/bin/python

import re

a = "/url?q=http://www.linkedin.com/in/sujachandrasekaran&sa=u&ei=1jxuu8qxgtwaygs_u4gaaq&ved=0cceqfjaa&usg=afqjcnfl2pecdcddktw_pw9nelfohjp0ca"

output = re.split ("\&", a )

final = re.split ("\=", output [0])

print final [1]

使用正则表达式提取网址

5 个答案: