python - 正则表达式 - 如此接近，却又如此遥远

Question

这是我当前的正则表达式：(?:ht|f)tps?:[\S]*\/?(?:\w+)

我需要对其进行改进，使其从下面引用的文本中正确提取以下链接：http://www.purdue.edu/transcom/index.php

关于如何改进当前正则表达式的任何想法？提前致谢！

附加文件和 TransCom 项目网站 ( http://www.purdue.edu/transcom/index.php ) 中提供了有关实验协议和结果的其他信息。此处提供的 1 级实验的结果分为两大类

标签： pythonregex

Answer 1

我没有仔细测试您的正则表达式，这还不够清楚，为什么您当前的正则表达式会失败。但一般来说，为了捕捉 ulr，我会使用组的重复（html 的授权字符减去斜杠，如 [a-zA-Z0-9.]）和斜杠）类似

r'(?:ht|f)tps?:\\(?:\\[_html_authorized_chars])*'

如果答案总是在引号或括号内，最终是一个积极的前瞻性断言......