python超链接格式_字符串转超链接格式

首先使用https://regex101.com/网站来一步步帮忙调试

域名链接

包括以下几种形式

http://www.sina.com

https://www.sina.com

http://news.sina.com

www.sina.com

news.sina.com

sina.com

先来一个链接的基本格式

((http(s)?:\/{2})?((www|\w&＃43;)\.)?[a-zA-Z0-9]&＃43;\.[a-zA-Z0-9]&＃43;(.cn)?

对应的说明如下

((http(s)?:\/{2})?用于匹配http://或者https://

((www|\w&＃43;)\.)?一级或者二级域名名字&＃xff0c;比如www.sina.com中的www和news.sina.com中的news&＃xff0c;这块内容也是可有可无的&＃xff0c;因为有时候也可以简写为sina.com

[a-zA-Z0-9]&＃43;\.[a-zA-Z0-9], 对应域名&＃xff0c;比如sina.com或者163.net

(.cn)? 特别处理一下&＃xff0c;有的域名带cn结束的

有的legacy字符串已经包含了超链接的markdown格式&＃xff0c;这种情况我们需要从匹配里去除掉&＃xff0c;可以用开始操作符?

我们不希望包含以[和(开始的以及]和)结束的超链接&＃xff0c;以避开[http://www.sina.com] (http://www.sina.com]以及[新浪] (www.sina.com)这两种情况

格式如下

(?

这样有一个问题, www.sina.co会被匹配到&＃xff0c;因为http://并不是必须的&＃xff0c;它就不匹配这个选项&＃xff0c;从中间开始匹配了&＃xff0c; 添加(?

这样又出现了一个新的问题&＃xff0c;ww.sina.co被匹配到了。

综合考虑各种情况&＃xff0c;正常链接表达式前面不应该有字符&＃xff0c;所以修改匹配为(?

最终的匹配表达式如下

(?

代码如下

import re

str &＃61; "http://www.sina.com words between http://www.sina.com.cn words between http://this/is/folder/ words between [http://www.soho.com](http://www.soho.com) [http://www.sina.com](http://www.sina.com) [THIS CAN&＃39;t](http://www.sina.com) www.yahoo.com www.yahoo.com.cn"

re_str &＃61; "(?

def func(elem):

return "[{0}]({0})".format(elem.group(0))

str &＃61; re.sub(re_str, func, str)

print(str)

运行结果为

[http://www.sina.com](http://www.sina.com) words between [http://www.sina.com.cn](http://www.sina.com.cn) words between http://this/is/folder/ words between [http://www.soho.com](http://www.soho.com) [http://www.sina.com](http://www.sina.com) [THIS CAN&＃39;t](http://www.sina.com) [www.yahoo.com](www.yahoo.com) [www.yahoo.com.cn](www.yahoo.com.cn)

另外一种实现方法

import re

str &＃61; "http://www.sina.com words between http://www.sina.com.cn words between http://this/is/folder/ words between [http://www.soho.com](http://www.soho.com) [http://www.sina.com](http://www.sina.com) [THIS CAN&＃39;t](http://www.sina.com) www.yahoo.com www.yahoo.com.cn"

re_str &＃61; "(([^\[\(\s])?(http(s)?:\/\/)?(www.)&＃43;[a-zA-Z0-9]&＃43;\.[a-zA-Z0-9]&＃43;(.cn)?)"

rule &＃61; re.compile(re_str)

print(re.findall(rule, str))

str_list &＃61; []

for www in re.findall(rule, str):

if not www[0].strip() in str_list:

str_list.append(www[0].strip())

# str_list.sort(key&＃61;lambda elem:len(elem), reverse&＃61;True) # .cn

print(str_list)

for www in str_list:

new_format &＃61; "[{0}]({0})".format(www)

str &＃61; str.replace(new_format, www)

str &＃61; str.replace(www, new_format)

new_format2 &＃61; "([{0}]({0}))".format(www)

str &＃61; str.replace(new_format2, "({0})".format(www))

print(str)

文件路径

包括以下几种格式

https://kubernetes.io/docs/tutorials/

http://this/is/folder/

http://this/is/folder/&＃xff1a;8000

要注意一下几点

跟上面一样&＃xff0c;不能处理[]()里的链接

字符串中间可以支持以下特殊字符

/域名分段

%中文字符

.多级域名

:端口

其他支持的连接符-&＃43;

我让这个链接必须以http开始了&＃xff0c;否则匹配表达式太复杂。所以&＃xff0c;它基本可匹配上面的表达式&＃xff0c;除了www.sina.com这类的. 但是从另一方面考虑&＃xff0c;www.sina.com这种也不该匹配&＃xff0c;这样便于处理一些非超链接的匹配格式和一些不打算转换的场景。

表达式如下

(?

保险起见&＃xff0c;我在最后加了不允许以/.结束&＃xff0c;这个理论上在前面已经匹配好了&＃xff0c;可能是多余的

地址链接

包括以下形式

http://127.0.0.1:8000

127.0.0.1:8000

127.0.0.1

匹配字符串如下

(?

工具网站

https://regex101.com/

https://www.regextester.com/95226

评论

留言请先登录或注册!