正则表达式捕获任何HTTP地址

Question

我正在努力编写一个应该捕获任何http地址的正则表达式。 （背景：我想在tkinter窗口中使用它，一个简单的编辑器，将http地址转换为可点击的链接） 由于它们有多复杂，哪个是更好的正则表达式？

的Alessandro

Answer 1

考虑到Punycode带来的可能性，我认为使用RegEx几乎不可能做到这一点。

当然，您可以将视图限制为ASCII网址。

您应该查看Regular Expression Library。

Answer 2

使用A regex that validates a web address and matches an empty string?作为答案的基础。

假设HTTP（或HTTPS）地址：

• 以“http：//”或“https：//”
开头
• 至少包含一个“。”在TLD和域名之间
• 域名由字母，数字_和 -
组成
• 网址最后用空格分隔，可以包含任何其他字符

然后正则表达式可以是'（http | https）：// [\ w-] +（。[\ w-] +）+ \ S *'

>>> import re
>>> re.sub("(http|https)://[\w\-]+(\.[\w\-]+)+\S*", "### URL ###", "There is an URL in this string : https://stackoverflow.com/questions/6532089/regex-to-catch-any-http-address and it is followed by text")
'There is an URL in this string : ### URL ### and it is followed by text'

但它没有检测到URL后的标点符号。

Answer 3

在tornado.escape模块中，这是一个很好的方法“linkify”。 您可以在此处查看来源：escape.py ps：我想把这篇文章添加为评论，但我没有足够的权限，但无论如何我希望你发现它有用。