从 .txt 文件 Python 中读取 URL答案

【问题标题】：Read URLs from .txt file Python从 .txt 文件 Python 中读取 URL
【发布时间】：2018-06-10 10:02:32
【问题描述】：

我正在尝试使用正则表达式从 .txt 文件中提取 URL（所有 URL 都以 .jpeg 结尾）。这是我的正则表达式：

import re
output = re.findall('(http)(.*?)(jpeg)', text)

但我的输出如下所示：

('http', ://d1spq65clhrg1f.cloudfront.net/uploads/image_request/image/182/182382/182382534/cloudsight.', 'jpeg')

如何避免用逗号分隔匹配项？

【问题讨论】：

添加样本数据并输出
是否要求您只捕获以“.jpeg”结尾的 URL？或者其他结尾也有效，例如“.jpg”或“.gif”或根本没有扩展名？如果是这样，您能否在问题中更清楚地说明这一点？

标签： python regex url pattern-matching

【解决方案1】：

试试这个

import re
output = re.findall('(http.*?jpeg)', text)

输出：

['http://d1spq65clhrg1f.cloudfront.net/uploads/image_request/image/182/182382/182382534/cloudsight.jpeg']

这将使“re.findall”只捕获一个组 - “http.*?jpeg”，而不是您的正则表达式中的三个。

【讨论】：

即使是一组也不需要。 re.findall(r'http.*?jpeg', text).
你知道我在哪里可以批量下载网址中的图片吗？
@StefanoPozzi 我听说过关于搜索引擎的好消息。你不是世界上第一个使用 Python 下载东西的人。

【解决方案2】：

我不确定你是否正在寻找这个

import re
output = " ".join(re.findall('(http)(.*?)(jpeg)', text))

【讨论】：

我收到此错误：“TypeError: sequence item 0: expected str instance, tuple found”
不行，不确定的请不要回答。
@MunimMunna ，我不确定 op 是否只想删除逗号并将其作为字符串。然而，适当地指出了一点。欢呼

【解决方案3】：

output = re.findall('https?:.*?.jpeg', text)

例子

import re
text=" asdd adf sdf sf http://d1spq65clhrg1f.cloudfront.net/uploads/image_request/image/182/182382/182382534/cloudsight.jpeg asfd ads f ads asdfadfasf asd asdf asdf asdf as"
output = re.findall('https?:.*?.jpeg', text)
print(output)

输出：

['http://d1spq65clhrg1f.cloudfront.net/uploads/image_request/image/182/182382/182382534/cloudsight.jpeg']

【讨论】：

【解决方案4】：

import re 

with open("urls.txt") as f:
    urls = re.findall('(http*.*?jpeg)', f.read())
    print urls

【讨论】：