我知道使用urllib你可以解析一个字符串并检查它是否是一个有效的URL。但是如何判断一个句子是否包含其中的URL，然后提取该URL。我在那里看到了一些巨大的正则表达式，但我宁愿不使用我真正无法理解的东西。
所以基本上我有一个输入字符串，我需要查找并提取该字符串中的所有URL。
这是一个干净利落的方式。
答案 0 :(得分：2)
您可以搜索包含:的“字词”，然后将其传递给urlparse（在Python 3.0及更新版本中重命名为urllib.parse），以检查它们是否为有效网址。
示例：
possible_urls = re.findall(r'\S+:\S+', text)
如果您只想限制以http://或https://（或您想要允许的任何其他内容）开头的网址，您也可以使用正则表达式执行此操作，例如：
possible_urls = re.findall(r'https?://\S+', text)
您可能还想使用一些启发式方法来确定网址的开始和停止位置，因为有时人们会在网址中添加标点符号，从而提供新的有效但无意的错误网址，例如：
你看过http://example.com/的新面貌了吗？这是http://example.org/的总冲突！
此处URL后的标点符号不是URL的一部分。您可以从上面文本中自动添加的链接中看到StackOverflow实现了这种启发式方法。
答案 1 :(得分：1)
从“野外”中取出网址是一项棘手的工作（正确地做）。 Jeff Atwood写了一篇关于这个主题的博客文章：The Problem With URLs此外，John Gruber也解决了这个问题：An Improved Liberal, Accurate Regex Pattern for Matching URLs此外，我还编写了一些试图解决这个问题的代码：{{3} （对于PHP / Javascript）。 （请注意，我的正则表达式特别复杂，因为它旨在应用于HTML标记，并尝试跳过已经链接的URL（即＆lt; a href =“http://example.com”＆gt; Link！＆lt; / A＆GT）
其次，当涉及验证 URI / URL时，您要查看的文档是URL Linkification (HTTP/FTP)。我一直在写一篇关于这个主题的文章：RFC-3986。你可能也想看看这个。
但是当你接受它时，这不是一项微不足道的任务！