Python - 从文本中提取 URL

  • 简述

    URL 提取是通过使用正则表达式从文本文件中实现的。表达式在匹配模式的任何地方获取文本。只有 re 模块用于此目的。
  • 例子

    我们可以获取一个包含一些 URL 的输入文件,并通过以下程序对其进行处理以提取 URL。这findall()函数用于查找与正则表达式匹配的所有实例。

    输入输出文件

    显示的是下面的输入文件。其中包含 teo URL。
    
    Now a days you can learn almost anything by just visiting http://www.google.com. But if you are completely new to computers or internet then first you need to leanr those fundamentals. Next
    you can visit a good e-learning site like - https://www.cainiaoya.com to learn further on a variety of subjects.
    
    现在,当我们获取上述输入文件并通过以下程序对其进行处理时,我们将获得所需的输出,其中仅给出从文件中提取的 URL。
    
    import re
     
    with open("path\url_example.txt") as file:
            for line in file:
                urls = re.findall('https?://(?:[-\w.]|(?:%[\da-fA-F]{2}))+', line)
                print(urls)
    
    当我们运行上述程序时,我们得到以下输出 -
    
    ['http://www.google.com.']
    ['https://www.cainiaoya.com']