Python 从文本中提取URL
通过使用正则表达式,可以从文本文件中提取URL。表达式会在匹配模式的位置提取文本。只使用re模块来实现此目的。
示例
我们可以通过以下程序来提取URL,该程序可以处理输入文件中包含的一些URL。使用 findall() 函数来查找与正则表达式匹配的所有实例。
输入文件
下方是输入文件示例,其中包含两个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.tutorialspoint.com to learn further on a variety of subjects.
现在,当我们将上述输入文件通过以下程序进行处理,我们将得到所需的输出,该输出仅提取文件中的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)
当我们运行以上程序时,终端会显示如下输出 –
['http://www.google.com.']
['https://www.tutorialspoint.com']