使用 Python 在文本中查找超链接（与 Twitter 相关）答案

【问题标题】：Find Hyperlinks in Text using Python (twitter related)使用 Python 在文本中查找超链接（与 Twitter 相关）
【发布时间】：2010-10-17 17:36:24
【问题描述】：

如何解析文本并找到所有带有字符串的超链接实例？超链接不是<a href="http://test.com">test</a>的html格式，而是http://test.com

其次，我想然后转换原始字符串并将所有超链接实例替换为可点击的html超链接。

我在这个帖子中找到了一个例子：

Easiest way to convert a URL to a hyperlink in a C# string?

但无法在 python 中重现它:(

【问题讨论】：

您应该使用 example.com 作为示例 URL。见en.wikipedia.org/wiki/Example.com
谢谢约翰！我不知道这些是官方示例域。
见：stackoverflow.com/questions/9760588/…

标签： python regex

【解决方案1】：

这是Easiest way to convert a URL to a hyperlink in a C# string?的Python端口：

import re

myString = "This is my tweet check it out http://tinyurl.com/blah"

r = re.compile(r"(http://[^ ]+)")
print r.sub(r'<a href="\1">\1</a>', myString)

输出：

This is my tweet check it out <a href="http://tinyurl.com/blah">http://tinyurl.com/blah</a>

【讨论】：

可以通过添加对 https 或 ftp URL 的支持来改进它......另外，我相信方案 (http) 不区分大小写。
请参阅stackoverflow.com/questions/1986059/… 以获得更好的正则表达式。

【解决方案2】：

Here 是 2002 年以来更加复杂的正则表达式。

@yoniLavi 将其缩小为：

re.compile(r'\b(?:https?|telnet|gopher|file|wais|ftp):[\w/#~:.?+=&%@!\-.:?\\-]+?(?=[.:?\-]*(?:[^\w/#~:.?+=&%@!\-.:?\-]|$))')

【讨论】：

我发现它也很有用，并将其缩小为：re.compile(r'\b(?:https?|telnet|gopher|file|wais|ftp):[\w/#~:.?+=&%@!\-.:?\\-]+?(?=[.:?\-]*(?:[^\w/#~:.?+=&%@!\-.:?\-]|$))')
好东西，但是如果 URL 没有 http:// 前缀怎么办。通常我们不再在电子邮件和社交媒体中指定该部分。

【解决方案3】：

Django 也有一个不仅仅使用正则表达式的解决方案。它是django.utils.html.urlize()。我发现这很有帮助，尤其是如果您碰巧使用 django。

您也可以提取code 以在您自己的项目中使用。

【讨论】：

【解决方案4】：

Jinja2（Flask 使用它）有一个过滤器urlize，它的作用相同。

Docs

【讨论】：