re表达式（python）中单引号内的双引号

Question

我是python的新手。我正在浏览gitHub上的一个存储库，我看到以下代码行从网页中提取所有URL。我理解正则表达式和捕获组，但我不明白为什么单引号中包含额外的双引号？

links = re.findall('"((http|ftp)s?://.*?)"', html)

也就是说，它与以下代码有什么不同？

links = re.findall('((http|ftp)s?://.*?)', html)

我尝试过实验，发现只有第一个匹配正确的URL语法，但第二个没有。但我不明白为什么。

感谢任何帮助。

谢谢。

Answer 1

双引号是正则表达式的一部分。它们确保模式只有在实际被引号括起时才匹配;因此foo bar http://whatever.com不匹配，但<a href="http://whatever.com">会。

请注意，这是一种非常脆弱的处理方式，因为单引号在HTML中也有效但与正则表达式不匹配。