我有多个链接...
linkslist =
[https://test.com
,https://test1.example.com/exm/1/2/3/4
,https://test2.example.test.com/exm/1/2/3/4
,http://test3.com]
从中，我只需要提取以下内容，
https://test.com
https://test1.com
https://test2.com
http://test3.com
我已经尝试了以下，
if re.search("http*.com",string1):
... print "found"
【问题讨论】：
标签： regex
更新：感谢@Robin 修复。它奏效了，但与我的意图有点偏离。
假设只有 http 或 https（没有端口），这可行：
(https?://(?:\w+\.)+com)(?:/.*)?
网址在捕获组一中。
(?:\w+\.)+的解释：
例如，这部分捕获usatoday. 和entertainment.usatoday.。 url 的所有域前 (.com) 部分。
为了安全起见，您还可以添加行尾锚点：
^(https?://(?:\w+\.)+com)(?:/.*)?$
要添加不同域的可能性，请像这样添加它们：
^(https?://(?:\w+\.)+(?:com|net|org|gov))(?:/.*)?$
请注意，这个问题及其重复问题也会有所帮助：regular expression for url
【讨论】：
(?:/.*)? 它只在“锚定”解决方案中添加了一些东西，并且没有检查太多（“如果之前有/，一切都可以” )...然后您可以删除捕获组并直接使用匹配项。 2。正如您的链接所示，URL 中的字符验证是一个冗长的主题。但是\w，甚至没有-，对我来说似乎很苛刻。这里的问题是您是否需要匹配 URL 或验证 它们。如果匹配，我认为可以有更通用的解决方案（例如使用[^.]++）
(?:/.*)? 避免了http://foo.community.com 上的错误，所以不要介意那部分：/
.*，并且您可以消除/，但我会选择将其保留为边界（或者，您可以有一个实际的单词边界：\b)。这是对有限问题的有限答案，它应该对他很有效。这是一个很深的话题，正如我在答案底部的链接中提到的那样。我想看看你的解决方案。
如果您不想具体说明 .com 部分，可以使用它。它将匹配以 http 或 https 开头的 URL，并且只会匹配到第一个正斜杠或字符串/行的末尾，包括可能存在的任何端口号。
/https?:\/\/[^\/$\s]+/i
这些是结果：
https://test.com -> https://test.com
https://test1.example.com/exm/1/2/3/4 -> https://test1.example.com
https://test2.example.test.com/exm/1/2/3/4 -> https://test2.example.test.com
http://test3.com -> http://test3.com
https://test.com:8080 -> https://test.com:8080
https://test1.example.com:3000/exm/1/2/3/4 -> https://test1.example.com:3000
https://test2.example.test.com:80/exm/1/2/3/4 -> https://test2.example.test.com:80
http://test3.com:8000 -> http://test3.com:8000
如果要排除端口号，只需在不匹配的组中添加一个冒号即可：
/https?:\/\/[^\/$\s:]+/i
如果您确实想具体说明 .com 部分，只需在最后添加：
https?:\/\/[^\/\s]+\.com
如果您只想要 .com 域，但想包含端口号，那么可以这样做：
https?:\/\/[^\/\s]+\.com(:\d+)?
【讨论】：
[\w.]+），而不仅仅是“非斜杠”。