Python - 从文本中提取 URL


URL 提取是通过使用正则表达式从文本文件中实现的。该表达式会在与模式匹配的任何位置获取文本。仅 re 模块用于此目的。

例子

我们可以获取包含一些 URL 的输入文件,并通过以下程序对其进行处理以提取 URL。findall ()函数用于查找与正则表达式匹配的所有实例。

输入输出文件

下面显示的是输入文件。其中包含 teo 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,当我们获取上述输入文件并通过以下程序处理它时,我们得到所需的输出,其中仅给出从文件中提取的 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)

当我们运行上面的程序时,我们得到以下输出 -

['http://www.google.com.']
['https://www.tutorialspoint.com']