在一個大字符串中查找多次出現的不同URL，其中每個URL使用Python在兩個特定的子字符串之間

Question

我有一個僅包含一個長字符串的文件，該字符串中嵌入了多個URL。 URL都是不同的，但始終包含在兩個特定的子字符串之間。 如何提取所有URL？

我的文件內容如下所示：

data-starred-src="www.example.com" data-non-starred-src asdf asdf ghgh data-starred-src="www.someurl.com" data-non-starred-src gjsltg ajshssl ahssfh data-starred-src="www.anotherurl.com" data-non-starred-src

我想提取表單中的URL

www.example.com
www.someurl.com
www.anotherurl.com

Answer 1

在示例中，此示例：

print re.findall(r'data-starred-src\s*=\s*"([^"]*)"', line)

得到：

['www.example.com', 'www.someurl.com', 'www.anotherurl.com']

Answer 2

應該這樣做：

(?<=\")([^"]+\.[^"]+\.[^"]+)(?=\")

工作正則表達式示例：

http://regex101.com/r/sI2jL7

或另一個例子：

http://regex101.com/r/sI2jL7

Answer 3

請嘗試以下操作：

import re
r1 = re.compile('(?:AAA ")([^"]*)(?:" BBB)')
s = 'AAA "www.example.com" BBB asdf asdf ghgh AAA "www.someurl.com" BBB gjsltg ajshssl ahssfh AAA "www.anotherurl.com" BBB'
res = r1.findall(s)

如果s真的很長，您也可以考慮使用finditer() 。

更新后的內容看起來像這樣

r1 = re.compile('(?:data-starred-src=")([^"]*)(?:" data-non-starred-src)')

但是我只是用新的定界符替換了AAA和BBB，所以如果以前不起作用，則該代碼可能無法起作用。