正则表达式在没有分隔符的文本中分隔URL

Question

为另一个正则表达式问题道歉！你知道吗

我有一些输入文本，但有多个网址（只有网址）在一行没有分隔符，这是毫无帮助的

https://00e9e64bac25fa94607-apidata.googleusercontent.com/download/redacted?qk=AD5uMEnaGx-JIkLyJmEF7IjjU8bQfv_hZTkH_KOeaGZySsQCmdSPZEPHHAzUaUkcDAOZghttps://console.developers.google.com/project/reducted/?authuser=1\n

这个示例只包含两个url，但可能更多。你知道吗

我正在尝试使用python将url分隔成一个列表

我尝试过搜索解决方案，也尝试过一些，但不能让这个工作完全，因为他们贪婪地消耗所有以下网址。https://stackoverflow.com/a/6883094/659346

我意识到这可能是因为https://...在url的查询部分可能是合法允许的，但在我的情况下，我愿意假设它不能，并且假设它发生时是下一个url的开始。你知道吗

我也试过(http[s]://.*?)，但是不管有没有?，它要么得到整段文字，要么就是https://

Answer 1

(https?:\/\/(?:(?!https?:\/\/).)*)

试试看这个。看到了吗演示。你知道吗

https://regex101.com/r/tX2bH4/15

import re
p = re.compile(r'(https?:\/\/(?:(?!https?:\/\/).)*)')
test_str = "https://00e9e64bac25fa94607-apidata.googleusercontent.com/download/redacted?qk=AD5uMEnaGx-JIkLyJmEF7IjjU8bQfv_hZTkH_KOeaGZySsQCmdSPZEPHHAzUaUkcDAOZghttps://console.developers.google.com/project/reducted/?authuser=1\n"

re.findall(p, test_str)

Answer 2

您需要使用positive lookahead assertion。你知道吗

>>> s = "https://00e9e64bac25fa94607-apidata.googleusercontent.com/download/redacted?qk=AD5uMEnaGx-JIkLyJmEF7IjjU8bQfv_hZTkH_KOeaGZySsQCmdSPZEPHHAzUaUkcDAOZghttps://console.developers.google.com/project/reducted/?authuser=1\n"
>>> re.findall(r'https?://.*?(?=https?://|$|\s)', s)
['https://00e9e64bac25fa94607-apidata.googleusercontent.com/download/redacted?qk=AD5uMEnaGx-JIkLyJmEF7IjjU8bQfv_hZTkH_KOeaGZySsQCmdSPZEPHHAzUaUkcDAOZg', 'https://console.developers.google.com/project/reducted/?authuser=1']