正則表達式來獲得。com的

Question

我有多個鏈接...

linkslist = 
[https://test.com 
,https://test1.example.com/exm/1/2/3/4 
,https://test2.example.test.com/exm/1/2/3/4 
,http://test3.com] 

從這個，我只需要提取以下，

https://test.com 
https://test1.com 
https://test2.com 
http://test3.com 

我曾嘗試以下，

if re.search("http*.com",string1): 
...  print "found" 

Answer 1

更新：修正了感謝@Robin。它的工作，但它有點偏離我的意圖。

假設只有HTTP或HTTPS（沒有端口），這工作：

(https?://(?:\w+\.)+com)(?:/.*)? 

Debuggex Demo

的URL是在捕獲組之一。的(?:\w+\.)+

說明：

• 一個或更多的的
  • 一個或更多的字字符：字母，數字或下劃線
  • 其次是文字點。

例如，該部分捕獲usatoday.和entertainment.usatoday.。所有預域（.com）的URL的部分。

爲了安全起見，你還可以添加開始和結束的行錨：

^(https?://(?:\w+\.)+com)(?:/.*)?$ 

要添加不同域的可能性，加上他們是這樣的：

^(https?://(?:\w+\.)+(?:com|net|org|gov))(?:/.*)?$ 

注意這個問題，它的重複，也將有所幫助：regular expression for url

Answer 2

如果你不想成爲具體介紹一下.com部分，你可以使用這個。它將匹配以http或者https網址，它只會匹配，直到直到第一個正斜槓或串/行的末尾，包括任何端口號可能存在​​。

/https?:\/\/[^\/$\s]+/i 

這些結果如下：

https://test.com -> https://test.com 
https://test1.example.com/exm/1/2/3/4 -> https://test1.example.com 
https://test2.example.test.com/exm/1/2/3/4 -> https://test2.example.test.com 
http://test3.com -> http://test3.com 
https://test.com:8080 -> https://test.com:8080 
https://test1.example.com:3000/exm/1/2/3/4 -> https://test1.example.com:3000 
https://test2.example.test.com:80/exm/1/2/3/4 -> https://test2.example.test.com:80 
http://test3.com:8000 -> http://test3.com:8000 

如果要排除的端口號，只需添加一個冒號到非匹配組：

/https?:\/\/[^\/$\s:]+/i 

如果你想請具體說明。COM的一部分，只需添加這最後：

https?:\/\/[^\/\s]+\.com 

如果只想.COM域，但想包括端口號，這是要走的路：

https?:\/\/[^\/\s]+\.com(:\d+)?