0
正则表达式匹配的URL我使用这个模式的每一个网址在某个网页匹配:Python的 - 在网页源代码
import re
source = """
<p>https://example.com</p>
... some code
<font color="E80000">https://example.com</font></a>
"""
urls = re.findall('http[s]?://(?:[a-zA-Z]|[0-9]|[[email protected]&+]|[!*\(\),]|(?:%[0-9a-fA-F][0-9a-fA-F]))+', source)
这为我工作得很好,直到如今。我发现有时它不匹配确切的网址。就像在这个例子中,它匹配为url https://example.com</p>
和https://example.com</font></a>
包含结束标记,但我无法弄清楚正则表达式中的问题。我从另一个堆栈问题中获取这些代码。
您使用连字符一个字符类中两个符号之间,'[$ -_]',创建一个范围,可以匹配''<' and '>,所有ASCII数字和大写信件等等。用'[ - $ _ @。&+]'替换'[$ -_ @。&+]''。 –
看到这个链接http://stackoverflow.com/questions/499345/regular-expression-to-extract-url-from-an-html-link –
你也可以检查这个http://stackoverflow.com/questions/6883049 /正则表达式在python –