Python 正则表达式：用 <img> 和 <a> 标签替换字符串中的所有 url

Question

我有一个字符串，其中包含一些页面和图像的许多 url：

La-la-la https://example.com/ la-la-la https://example.com/example.PNG

我需要将其转换为：

La-la-la <a href="https://example.com/">https://example.com/</a> la-la-la <img src="https://example.com/example.PNG">

图片格式不可预知，可以是.png.JPEG等，任何链接每个字符串都可以找到多次

我知道，这里有一些奇怪的 javascript 示例，但我不知道如何将它们转换为 python。

但我发现这是一个起点：

url_regex = /(\b(https?|ftp|file):\/\/[-A-Z0-9+&@#\/%?=~_|!:,.;]*[-A-Z0-9+&@#\/%=~_|])/ig img_regex = /^ftp|http|https?:\/\/(?:[a-z\-]+\.)+[a-z]{2,6}(?:\/[^\/#?]+)+\.(?:jpe?g|gif|png)$/ig

非常感谢帮助

Answer 1

如果你愿意，你可以不使用regex 来做到这一点。

stng = 'La-la-la https://example.com/ la-la-la https://example.com/example.PNG'

sentance = '{f_txt} <a href="{f_url}">{f_url}</a> {s_txt} <img src="{s_url}">'

f_txt, f_url, s_txt, s_url = stng.split()

print(sentance.format(f_txt=f_txt, f_url=f_url, s_txt=s_txt, s_url=s_url))

输出

La-la-la <a href="https://example.com/">https://example.com/</a> la-la-la <img src="https://example.com/example.PNG"> 

Answer 2

您可以使用以下正则表达式：

(https?.*?\.com\/)(\s+[\w-]*\s+)(https?.*?\.com\/[\w\.]+)

• (https?.*?\.com\/) 第一个捕获组。捕获http 或https，直到.com 和正斜杠/。
• (\s+[\w-]*\s+) 第二个捕获组。捕获空格、字母数字字符和连字符以及空格。如果需要，您可以向字符集中添加更多字符。
• (https?.*?\.com\/[\w\.]+) 第三个捕获组。捕获http 或https，直到.com，正斜杠/，字母数字字符和句号. 用于扩展。如果您需要其他字符，您可以再次向此捕获组中的字符集添加更多字符。

您可以实时测试正则表达式here。

或者，如果您希望使用可变的 url 和域：

(\w*\:.*?\.\w*\/)(\s+[\w-]*\s+)(\w*\:?.*?\.\w*\/[\w\.]+)

现在，第一个和第三个捕获组确实匹配任何字母数字字符，后跟冒号 :，以及直到 .、字母数字字符 \w 和正斜杠的任何内容。你可以测试这个here。

您可以将捕获的组替换为：

<a href="\1">\1</a>\2<img src="\3">

其中\1、\2 和\3 分别是对捕获的第一组、第二组和第三组的反向引用。

---

Python sn-p:

>>import re
>>str = "La-la-la https://example.com/ la-la-la https://example.com/example.PNG"

>>out = re.sub(r'(https?.*?\.com\/)(\s+[\w-]*\s+)(https?.*?\.com\/[\w\.]+)',
       r'<a href="\1">\1</a>\2<img src="\3">',
       str)
>>print(out)
La-la-la <a href="https://example.com/">https://example.com/</a> la-la-la <img src="https://example.com/example.PNG">