极客教程url 正则表达式
我们在浏览器中输入链接时，通常会使用可点击的超链接，也就是 URL。URL 是统一资源定位符的缩写，是 web 上访问资源的方式。在很多情况下，我们可能想要用正则表达式去处理 URL，例如从 URL 中提取参数、验证 URL 是否符合要求等。那么，接下来就让我们来学习一下 URL 的正则表达式吧。
URL 构成
在学习 URL 的正则表达式之前，我们首先需要了解 URL 的组成部分。
一个 URL 的一般格式如下：
scheme://host:port/path?query#fragment
scheme：URL 的协议，比如http、https、file等。host：服务器的地址，可以是域名或者 IP 地址。port：服务器的端口号，一般默认使用 80 端口。如果是 HTTPS 协议，则默认使用 443 端口。path：服务器上的文件路径，可以是绝对路径或相对路径。query：URL 的参数，例如?name=jack&age=18。fragment：文档的片段，例如#section1。
URL 正则表达式
接下来我们来学习一下 URL 的正则表达式。
匹配 URL
如果我们想要匹配以 https://www.example.com 开头的 URL，可以使用如下正则表达式：
^https:\/\/www\.example\.com
其中，^ 表示匹配开头，\/ 表示转义后的 / 符号，\. 表示转义后的 . 符号。
匹配 HTTP 和 HTTPS
如果我们想要匹配 HTTP 或 HTTPS 的 URL，可以使用如下正则表达式：
^(http|https):\/\/
其中，() 表示匹配其中一个，| 表示或者的意思。
匹配域名
如果我们想要匹配域名，则需要先了解域名的规则。域名由多个部分组成，每个部分之间使用 . 分隔，例如 www.example.com。
以下是一个匹配域名的正则表达式：
^(http|https):\/\/([a-zA-Z0-9]+\.)+[a-z]+$
在这个正则表达式中，[a-zA-Z0-9] 表示任意大小写字母或数字，+ 表示至少出现一次，() 表示一个整体，[]+ 表示至少出现一次。
匹配端口号
如果我们想要匹配某个端口号的 URL，可以使用如下正则表达式：
^(http|https):\/\/([a-zA-Z0-9]+\.)+[a-z]+(:[0-9]+)?$
其中，() 表示匹配一个整体，? 表示可选项，: 表示端口号之前的分隔符，[0-9]+ 表示一个或多个数字。
提取 URL 参数
如果我们想要从 URL 中提取参数，可以使用如下正则表达式：
?(.*)$
例如，我们想要从 https://www.example.com/?name=jack&age=18 中提取参数，可以使用下面这段代码：
import re
url = 'https://www.example.com/?name=jack&age=18'
pattern = r'\?(.*)$'
result = re.search(pattern, url)
print(result.group(1))
这段代码的运行结果为：
name=jack&age=18
结论
通过本文的学习，我们了解了什么是 URL，学习了 URL 的组成部分，并利用正则表达式对 URL 进行了匹配和处理。正则表达式在 URL 的处理、提取和验证方面都有广泛的应用，希望本文对您有所帮助。