Python regex删除字符串中的url和域名

Question

我正在寻找一个正则表达式来删除字符串中的每个url或域名，以便：

string='this is my content domain.com more content http://domain2.org/content and more content domain.net/page'

变成

^{pr2}$

移除最常见的TLD对我来说已经足够了，所以我尝试了

string = re.sub(r'\w+(.net|.com|.org|.info|.edu|.gov|.uk|.de|.ca|.jp|.fr|.au|.us|.ru|.ch|.it|.nel|.se|.no|.es|.mil)\s?','',string)

但这是删除了太多的东西，而不仅仅是网址。正确的语法是什么？在

Answer 1

你应该逃出所有这些点，或者更好的是，把这个点移到组外，然后逃逸一次，你也可以从not space直到not space，像这样：

re.sub(r'[\S]+\.(net|com|org|info|edu|gov|uk|de|ca|jp|fr|au|us|ru|ch|it|nel|se|no|es|mil)[\S]*\s?','',string)

以下内容：
'this is my content domain.com more content http://domain2.org/content and more content domain.net/page thingynet stuffocom'
变成：

^{pr2}$

Answer 2

这是另一种解决方案：

import re
f = open('test.txt', 'r')
content = f.read()
pattern = r"[^\s]*\.(com|org|net)\S*"
result = re.sub(pattern, '', content)
print(result)

输入：

^{pr2}$

输出：

this is my content  more content  and more content  and