从文本文件中删除文本

Question

我有一个文本文件，其中包含需要从中创建快捷方式的URL。 该文件还有其他不需要的信息。 例如：事件编号-xyz

More text here
And here

ALL https://.....

Atendees URLs 

1 -tab- https://.....
2 -tab- https://...
etc.

现在，我删除了多余的文本和空行，并仅使用URL（加上\\ n \\ t）保留行。 然后，我使用python中的这段代码将URL放入列表中。

def fileOpen(self):

        self.skytap = []
        with open(self.file_1, 'r') as f:   
            for line in f:
                self.skytap.append(line.strip('\t\r\n'))

我想知道Python中是否有一种方法可以删除所有文本，编号等并仅以它们在文件中的顺序保留https：// ........ URLS，并且当然它们可以在列表中找到，这样我就可以创建快捷方式了（我解决了快捷方式的问题）我已经在线查看了一些问题，并且有人建议sed作为更好的工具。 这样的话。 我是编程的新手，并感谢对此提供的任何见解。

Answer 1

您用sed标记了此名称，但您正在寻找的工具是grep ：

grep -o 'https\?://[^ ]\+' file.txt

它提取序列http以及后续的非空格字符。

Answer 2

您可以使用fileinput.input更改文件的位置，并使用带有re ： https://查找行：

import  fileinput
import  re

r = re.compile(r"https://.*")
urls = []
for line in fileinput.input("match.txt",inplace=True):
     s = r.search(line)
     if s:
        print(line,end="")
        urls.append(s.group())

如果您使用的是python 2，请在代码顶部添加from __future__ import print_function 。

如果要在文件中的https之前删除子字符串，请将print(line,end="")替换为print(s.group(),end="")

或如@Jon所指出的那样，导入sys并使用sys.stdout.write ：

import  fileinput
import  re
import sys

r = re.compile(r"https://.*")
urls = []
for line in fileinput.input("match.txt",inplace=True):
     s = r.search(line)
     if s:
        sys.stdout.write(line)
        urls.append(s.group())

Answer 3

也许我可以为您提供帮助：您如何搜索此正则表达式： https?://[A-Za-z0-9-._~:/?#[\\]@!$&\\',*+,;=]*搜索所有有效的URL字符

实际上，这是应做的程序（未经测试）：

import re

string="""
More text here
And here

ALL https://.....

Atendees URLs 

1 -tab- https://.....
2 -tab- https://...
etc.
"""

links = re.compile(r'https?://[A-Za-z0-9-._~:/?#[\]@!$&\',*+,;=]*').findall(string)