Python正则表达式替代

Question

我正在尝试以的形式找到网页上的所有链接，"http://something"或者https://something.我做了一个正则表达式，并且可以正常工作：

L = re.findall(r"http://[^/\"]+/|https://[^/\"]+/", site_str)

但是，有没有更短的写方法呢？我重复了：// [^ / \“] + /两次，可能没有必要。我尝试了各种方法，但是没有用。我尝试了：

L = re.findall(r"http|https(://[^/\"]+/)", site_str)
L = re.findall(r"(http|https)://[^/\"]+/", site_str)
L = re.findall(r"(http|https)(://[^/\"]+/)", site_str)

很明显，我在这里缺少了一些东西，或者我只是对Python正则表达式不够了解。

Answer 1

您正在使用捕获组，并在使用捕获组.findall()时改变其行为（它只会返回捕获组的内容）。您的正则表达式可以简化，但是如果您使用 非 捕获组，则您的版本可以使用：

L = re.findall(r"(?:http|https)://[^/\"]+/", site_str)

如果在表达式周围使用单引号，则不需要转义双引号，并且只需更改s表达式中的，因此s?也可以工作：

L = re.findall(r'https?://[^/"]+/', site_str)

演示：

>>> import re
>>> example = '''
... "http://someserver.com/"
... "https://anotherserver.com/with/path"
... '''
>>> re.findall(r'https?://[^/"]+/', example)
['http://someserver.com/', 'https://anotherserver.com/']