我有以下链接： https://webcache.googleusercontent.com/search?q=cache:jAc7OJyyQboJ：https://cooking.nytimes.com/learn-to-cook + & CD = 5 & HL = EN &克拉= clnk网页抓取 - 如何获取一个网络链接的特定部分
我有一个多链路数据集。每个链接都是相同的模式。我想获得链接的特定部分，因为上面的链接我将成为上面链接的大胆部分。我想从第二个http开始到第一个+符号之前的文本。
我不知道如何使用正则表达式。我在Python中工作。请帮助我。
如果每个链接有相同的模式，你不需要正则表达式。您可以使用string.find()和string cutting
link = "https://webcache.googleusercontent.com/search?q=cache:jAc7OJyyQboJ:https://cooking.nytimes.com/learn-to-cook+&cd=5&hl=en&ct=clnk"
# This finds the second occurrence of "https://" and returns the position
second_https = link.find("https://", link.find("https://")+1)
# Index of the end of the link
end_of_link = link.find("+")
new_link = link[second_https:end_of_link]
print(new_link)
这将返回“https://cooking.nytimes.com/learn-to-cook”，并描述如果链接遵循相同的模式就可以了（它是第二HTTPS：在链接//与结束+号）
我会去与urlparse (Python 2)或urlparse (Python 3)和重新 GEX一点点：
import re
from urlparse import urlparse
url_example = "https://webcache.googleusercontent.com/search?q=cache:jAc7OJyyQboJ:https://cooking.nytimes.com/learn-to-cook+&cd=5&hl=en&ct=clnk"
parsed = urlparse(url_example)
result = re.findall('https?.*', parsed.query)[0].split('+')[0]
print(result)
输出：
https://cooking.nytimes.com/learn-to-cook