使用正则表达式处理 URL 中的转义字符答案

【问题标题】：Using regex to deal with escape characters in URLs使用正则表达式处理 URL 中的转义字符
【发布时间】：2016-06-22 23:54:04
【问题描述】：

我正在对包含 URL 的字符串进行标记。这是我用来获取 URL 的部分：

regex_str = [r'http[s]?://(?:[a-z]|[0-9]|[$-_@.&+]|[!*\(\),]|(?:%[0-9a-f][0-9a-f]))+']

它可以很好地提取“常规”网址；但是一些 URL 看起来像这样：

https:\/\/t.co\/c1taPXzi4X

如何修改正则表达式以处理转义字符，从而获得完整且干净的 URL？

提前非常感谢！ :)

【问题讨论】：

【解决方案1】：

正如other question 中所指出的，您不能在网址中添加“\”。你的正则表达式对我来说似乎没问题，我已经测试了against regxr。我唯一做的就是在 http 之后转义反斜杠。

【讨论】：

对不起，如果我不清楚，带有反斜杠的 URL（或字符串）已经在我的数据中。所以我试图把 https:\/\/t.co\/c1taPXzi4X 变成 http// t.co/c1taPXzi4X

【解决方案2】：

在应用正则表达式之前调用 re.sub 会起作用

re.sub(r"\\","",r"https:\/\/abc.com\/defg")

【讨论】：