Question

我见过这样的帖子，但不完全是我想做的事。

如何提取和删除URL链接，然后从纯文本中删除它们。

示例：

"Hello!!, I love http://www.google.es".

我想提取“http://www.google.es”，将其保存在变量上，然后将其从我的文本中删除。

最后，文本必须是这样的：

"Hello!!, I love".

网址通常是文字的最后一个“字”，但并非总是如此。

Answer 1

也许你想要URI::Find，它可以在任意文本中找到URI。您为其提供的代码引用的返回值会生成URL的替换字符串，因此如果您只想删除URI，则只需返回空字符串：

use URI::Find;

my $string = do { local $/; <DATA> };

my $finder = URI::Find->new( sub { '' } );
$finder->find(\$string );

print $string;

__END__
This has a mailto:joe@example.com
Go to http://www.google.com
Pay at https://paypal.com
From ftp://ftp.cpan.org download a file

Answer 2

您可以使用URI::Find从任意文本文档中提取网址。

或使用Regexp::Common::URI - 为URI提供模式。

use strict;
use warning;
use Regexp::Common qw/URI/;
my $str = "Hello!!, I love http://www.google.es";
my ($uri) = $str =~ /$RE{URI}{-keep}/;
print "$uri\n"; #output: http://www.google.es

Answer 3

99％的情况对我有用，确定有边缘情况，但对我的需求来说还不错：

/((?<=[^a-zA-Z0-9])(?:https?\:\/\/|[a-zA-Z0-9]{1,}\.{1}|\b)(?:\w{1,}\.{1}){1,5}(?:com|org|edu|gov|uk|net|ca|de|jp|fr|au|us|ru|ch|it|nl|se|no|es|mil|iq|io|ac|ly|sm){1}(?:\/[a-zA-Z0-9]{1,})*)/mg

https://regex101.com/r/fO6mX3/2

Answer 4

如果Perl不是必须的

$ cat  file
"Hello!!, I love http://www.google.es".
this is another link http://www.somewhere.com
this if ftp link ftp://www.anywhere.com the end

$ awk '{gsub(/(http|ftp):\/\/.[^" ]*/,"") }1'  file
"Hello!!, I love ".
this is another link
this if ftp link  the end

当然，如果您愿意，也可以将正则表达式调整为Perl

如何从Perl中的纯文本中提取URL？

4 个答案: