python正则表达式提取url

可以使用re模块中的findall函数来提取url。

示例代码：

import re

text = '这是一个网址：https://www.example.com，另一个网址是：http://www.google.com'
urls = re.findall('https?://(?:[-\w.]|(?:%[\da-fA-F]{2}))+', text)

print(urls)

输出结果：

['https://www.example.com', 'http://www.google.com']

解释：

正则表达式`https?://(?:[-\w.]|(?:%[\da-fA-F]{2}))+`匹配http或https开头的url，其中`(?:)`表示非捕获组，`[-\w.]`表示匹配字母、数字、下划线、横线和句点中的任意一个字符，`%[\da-fA-F]{2}`表示匹配%后面跟两个十六进制数字的字符串。

相关问题

python正则表达式提取图片

Python中的正则表达式主要用于处理文本数据，它们并不能直接用于提取图片。如果你想从HTML、XML或其他包含URL链接的文本中提取图片链接，你可以使用BeautifulSoup这样的库配合正则表达式来实现。例如：

import re
from bs4 import BeautifulSoup

html_content = ... # 获取包含图片URL的HTML字符串

soup = BeautifulSoup(html_content, 'lxml')
img_tags = soup.find_all('img')  # 找到所有的<img>标签

# 正则表达式通常在这里用来匹配src属性的URL
pattern = r'src="(.*?)"'  # 匹配以"src="开始并结束的URL
image_links = [re.search(pattern, img['src']) for img in img_tags]

for match in image_links:
    if match:
        url = match.group(1)  # 提取url
        print(url)

如果你需要下载这些图片，可以使用requests库配合os模块来保存图片。不过这已经超出了纯正则表达式的范围。

python正则表达式爬虫

使用Python的正则表达式进行爬虫是一种常见的方式，它可以用来从网页文本中提取特定的信息。下面是一个简单的示例，演示了如何使用正则表达式进行爬虫：

import re
import requests

# 发起网络请求获取网页内容
response = requests.get('http://example.com')
html_content = response.text

# 使用正则表达式匹配网页中的链接
pattern = r'<a href="(.*?)".*?>(.*?)</a>'
links = re.findall(pattern, html_content)

# 打印匹配到的链接
for link in links:
    url = link[0]
    text = link[1]
    print(f"URL: {url}\nText: {text}\n")

在上面的示例中，我们首先使用requests库发起了一个GET请求，获取了一个网页的内容。然后，我们使用re模块中的findall函数和正则表达式模式去匹配网页中的链接。这里的正则表达式模式用来匹配`<a href="URL">Text</a>`这样的链接标签。最后，我们打印出匹配到的链接的URL和文本。

需要注意的是，正则表达式可以很强大，但在处理复杂的HTML文档时可能会变得不够稳定。对于复杂的HTML解析，推荐使用专门的HTML解析库，如BeautifulSoup或lxml。这些库提供了更方便和健壮的方法来提取和处理HTML内容。