[英]Extract URL from lines with specific TLD ReGex
大家好,我正在尝试从具有“.eu”特定结尾的文件中提取 URL,例如.com。
我有这段代码来获取 URL 列表,但没有特定的结尾。 任何人都可以改进它以最终获得特定的 TLD 吗?
urls = re.findall('https?://(?:[-\w.]|(?:%[\da-fA-F]{2}))+', line).
行和预期结果的示例。
akijsdijas adsfaasd asfda https://www.google.eu/asd34a/as3df asdfs dsf76
a56 64ijas adsfaasd asfda https://www.facebook.eu/asd34a/as3df asdfs345 dsf76
fghddijas adsfaasd asfda https://www.facebook.com/asd34a/as3df asdfs dsf76
预期成绩:
您可以使用
re.findall(r'https?://\S*?\.eu\b', line)
请参阅正则表达式演示。
正则表达式匹配:
https?://
- http://
或https://
\S*?
- 任何 0+ 个非空白字符,尽可能少\.eu\b
- .eu
后跟非单词字符或字符串结尾。尝试这个
urls = re.findall(r'https?://\S*\.eu\b')
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.