Cara menggunakan ungkapan biasa Python untuk pengekstrakan URL

Dalam persekitaran rangkaian moden, permintaan untuk data agregat semakin meningkat dari hari ke hari. Dalam kes ini, mengekstrak pautan URL jelas merupakan tugas yang sangat penting. Menggunakan ungkapan biasa Python untuk pengekstrakan URL ialah kaedah yang pantas, fleksibel dan boleh dipercayai. Dalam artikel ini, kami akan memperkenalkan anda cara menggunakan ungkapan biasa Python untuk pengekstrakan URL.

1. Fahami sintaks asas ungkapan biasa Python

Sebelum menggunakan ungkapan biasa Python untuk pengekstrakan URL, anda perlu memahami sintaks asas ungkapan biasa. Modul ungkapan biasa yang paling berguna dalam Python ialah semula, yang menyediakan satu siri fungsi dan kaedah untuk melaksanakan operasi pemadanan ungkapan biasa. Berikut ialah beberapa aksara meta ungkapan biasa yang biasa digunakan:

.: Memadankan mana-mana aksara kecuali aksara baris baharu.
^: Padan dengan permulaan rentetan.
$: Padan dengan hujung rentetan.
*: Padan dengan pola sebelumnya sifar atau lebih kali.
+: Padankan corak sebelumnya satu kali atau lebih.
? : Padan dengan pola sebelumnya sifar atau satu kali.
(): Menandakan permulaan dan penghujung subungkapan.
[]: digunakan untuk menentukan set aksara.
|: OR operator, sepadan dengan mana-mana operan.

2. Gunakan ungkapan biasa Python untuk memadankan URL

Gunakan ungkapan biasa Python untuk memadankan URL, terutamanya dengan mengenal pasti ciri umum URL (seperti: http, https, dll.). Sebagai contoh, berikut ialah beberapa corak padanan URL biasa:

http(s)?://([w-]+.)+[w-]+(/[w- ./?%&= ]*)?

Ungkapan ini boleh memadankan hampir semua bentuk URL, sama ada http atau https, ia boleh dikenali.

ftp://([w-]+.)+[w-]+(/[w- ./?%&=]*)?

Ungkapan ini khusus Padanan Pautan FTP.

3. Ekstrak URL menggunakan ungkapan biasa Python

Setelah kami dapat mengenal pasti URL, kami perlu mengekstraknya daripada teks. Modul semula dalam Python menyediakan fungsi findall(), yang boleh mengembalikan senarai padanan berdasarkan ungkapan biasa. Kod berikut menunjukkan cara menggunakan modul semula untuk mencari semua URL dalam rentetan:

import re

def find_urls(text):
    pattern = r'http(s)?://([w-]+.)+[w-]+(/[w- ./?%&=]*)?'
    return re.findall(pattern, text)

text = "Hello, please check out my website at https://www.example.com for more information. Thanks!"
urls = find_urls(text)
print(urls)

Output:

[('s', 'example.com', '')]

Jika anda melihat output di atas, anda telah berjaya menggunakan pengekstrakan URL ungkapan biasa Python sudah selesai.

Ringkasan

Dalam artikel ini, kami memperkenalkan cara menggunakan ungkapan biasa Python untuk pengekstrakan URL, terutamanya termasuk sintaks asas ungkapan biasa, corak padanan URL dan cara menggunakan modul semula untuk mengekstrak URL. Saya harap artikel ini akan membantu anda dalam tugasan pengekstrakan URL kerja harian anda.

Atas ialah kandungan terperinci Cara menggunakan ungkapan biasa Python untuk pengekstrakan URL. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!