我有包含这样字符串的数据集，我想从中删除所有 url
http://google.com 在这种情况下找不到正则表达式 https://google.com http//google com/测试一些乱码 https//google 。 com/test/test1 很棒的 http.//google.org
现在，我正在使用这个正则表达式模式来查找所有 url:
https?:?\s?\/\/\s?\S+
现在，理想情况下，它应该捕获所有 url，例如在这种情况下，
http://google.comhttps://google.comhttp//google com/testhttps//谷歌。 com/test/test1http.//google.org
但是使用我的正则表达式模式，它只捕获
http://google.comhttps://google.comhttp//googlehttps//google
链接到 Regex .
最佳答案
你可以使用
https?[:.]?\s?\/\/(?:\s*[^\/\s.]+)+(?:\s*\.\s*[^\/\s.]+)*(?:\s*\/\s*[^\/\s]+)*
参见 regex demo .
详情
https?-http或https[:.]?- 可选的:或.\s?- 一个可选的空格 -\/\/-//字符序列(?:\s*[^\/\s.]+)+-(匹配所有域名部分，直到 TLD 之前的最后一个.)1或多次出现\s*- 0 个或多个空格[^\/\s.]+- 除了/、.和空格之外的 1 个或多个字符
(?:\s*\.\s*[^\/\s.]+)*- 0 个或多个序列\s*\.\s*- 用 0+ 个空格包围的点[^\/\s.]+- 除了/、.和空格之外的 1 个或多个字符
(?:\s*\/\s*[^\/\s]+)*- 0 个或多个序列\s*\/\s*- 包含 0+ 个空格的/[^\/\s]+- 除了/和空格之外的 1 个或多个字符
关于Python正则表达式捕获各种url模式组，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/62307275/