提取给定字符串存在的URL

在网页爬取、数据处理等场景中，我们经常需要从字符串中提取出存在的URL。本文将介绍如何用Python编写代码实现这一功能。

步骤一：导入re模块

使用正则表达式可以很方便地匹配出字符串中的URL。在Python中，我们需要先导入re模块。

import re

步骤二：编写正则表达式

为了匹配出字符串中的URL，我们可以使用以下正则表达式：

regex = r"(?:(?:http|https):\/\/)?[\w/\-?=%.]+\.[\w/\-?=%.]+"

该正则表达式可以匹配出 http:// 或 https:// 开头的URL，其中 [\w/-?=%.]+ 匹配出URL域名和路径，最后一个 [\w/-?=%.]+ 则匹配出URL的后缀名。

步骤三：使用findall函数提取URL

有了正则表达式，我们就可以使用 Python 的 re.findall 函数来查找所有匹配的URL。

url_list = re.findall(regex, input_str)

其中，input_str 为输入的字符串，url_list 即存储了所有匹配出来的URL的列表。

完整代码

import re

input_str = "Here is a URL: https://www.google.com"
regex = r"(?:(?:http|https):\/\/)?[\w/\-?=%.]+\.[\w/\-?=%.]+"

url_list = re.findall(regex, input_str)
print(url_list)

上述代码的输出结果为：

['https://www.google.com']

总结

通过上述完整代码，我们可以轻松地实现从字符串中提取出存在的URL的功能。这不仅能够提高我们的工作效率，也拓宽了我们的技术应用场景。