如何使用findall函数从python中的文本文件中提取特定的url

Question

所以我有以下文本示例：

Good Morning,
The link to your exam is https://uni.edu?hash=89234rw89yfw8fw89ef .Please complete it within the stipulated time.
If you have any issue, please contact us
https://www.uni.edu
https://facebook.com/uniedu

我想要的是提取考试链接的url：https://uni.edu?hash=89234rw89yfw8fw89ef。我计划使用findAll((函数，但在编写正则表达式以提取特定url时遇到了困难。

import re
def find_exam_url(text_file):
filename = open(text_file, "r")
new_file = filename.readlines()
word_lst = []
for line in new_file:
exam_url = re.findall('https?://', line) #use regex to extract exam url
return exam_url
if __name__ == "__main__":
print(find_exam_url("mytextfile.txt"))

我得到的输出是：

['http://']

代替：

https://uni.edu?hash=89234rw89yfw8fw89ef

非常感谢在这方面的帮助。

Answer 1

此正则表达式有效：

>>> re.findall('(https?://.*?)s', s) 
['https://uni.edu?hash=89234rw89yfw8fw89ef',
'https://www.uni.edu',
'https://facebook.com/uniedu']

其中s表示文件中的文本(由f.read()读取(，使用的模式为(https?://.*?)s(延迟匹配直到出现空白(。

如果你需要提取作为考试链接提到的url，你可以让regex更具体：

>>> re.findall('exam.*(https?://.*?)s', s) 
['https://uni.edu?hash=89234rw89yfw8fw89ef']

或者看起来检查链接会有一个?hash=形式的标识符/URL参数，所以这样的东西更好

>>> re.findall('(https?://.*?hash=.*?)s', s) 
['https://uni.edu?hash=89234rw89yfw8fw89ef']