查找http链接并放在Python中的标签之间？

Question

我是Python的新手（我正在使用Python 3.7）。我正在尝试创建一个脚本，以从网页上抓取一些文本，从标签中清除文本，然后制成可读文件。我想查找所有链接（以“ http”开头），并将它们放在一对标签TeX \ textbf {和}之间，以便这些链接在最终文档中以粗体显示。 我找到了一段代码来查找从特定字符开始的单词。

>>> import re
>>> text = "Lorem ipsum text lorem ipsum text  http:\\link.xyz some random text here."
>>> re.findall(r'\[h]\w+', text)

我想得到的是：

>>> text = "Lorem ipsum text lorem ipsum text  \textbf{http:\\link.xyz} some random text here."

抱歉，代码示例笨拙。帮助将不胜感激！

Answer 1

使用this answer方法将re.sub()的正则表达式拼接在一起（并修复链接以使用正确的斜杠），我们可以做到这一点：

>>> import re
>>> link_finder = re.compile(r"https?:\/\/(www\.)?[-a-zA-Z0-9@:%._\+~#=]{2,256}\.[a-z]{2,6}\b(?:[-a-zA-Z0-9@:%_\+.~#?&//=]*)")
>>> text = "Lorem ipsum text lorem ipsum text  http://link.xyz some random text here."
>>> link_finder.sub(lambda link_match: "\\textbf{}".format(link_match.group(0)), text)
'Lorem ipsum text lorem ipsum text  \\textbf{http://link.xyz} some random text here.'

请注意，双反斜杠是格式（转义）详细信息，不会在输出中显示。