Python正则表达式从文本中提取域

Question

我有以下正则表达式：

r'(?:[a-zA-Z0-9](?:[a-zA-Z0-9\-]{,61}[a-zA-Z0-9])?\.)+[a-zA-Z]{2,6}'

当我将其应用于文本字符串时，让我们说， ＆＃34;这是www.website1.com，这是website2.com＆＃34;，我得到：

['www.website1.com']

['website.com']

如何修改正则表达式以排除'www＆＃39;，以便我获得'website1.com'和'website2.com？我错过了一些非常基本的东西......

Answer 1

试试这个（感谢@SunDeep进行更新）：

\s(?:www.)?(\w+.com)

<强>解释

\s匹配任何空格字符

(?:www.)?非捕获组，匹配www. 0次或更多次

(\w+.com)匹配任何单词字符一次或多次，然后是.com

行动中：

import re

s = 'this is www.website1.com and this is website2.com'

matches = re.findall(r'\s(?:www.)?(\w+.com)', s)
print(matches)

输出：

['website1.com', 'website2.com']

有关这方面的几点说明。首先，匹配所有有效的域名非常困难，所以虽然我选择使用\w+来捕获此示例，但我可以选择：[a-zA-Z0-9][a-zA-Z0-9-]{1,61}[a-zA-Z0-9]\.[a-zA-Z]{2,}。

这个答案有很多关于匹配域的有用信息： {{3}}

接下来，我只查找.com个域名，您可以将我的正则表达式调整为：

\s(?:www.)?(\w+.(com|org|net))

匹配您正在寻找的任何类型的域名。

Answer 2

尝试一下：

import re
s = "www.website1.com"
k = re.findall ( '(www.)?(.*?)$', s, re.DOTALL)[0][1]
print(k)

O / P喜欢：

'website1.com'

如果它是s = "website1.com"，它也会像：

'website1.com'