我有以下鏈接： https://webcache.googleusercontent.com/search?q=cache:jAc7OJyyQboJ：https://cooking.nytimes.com/learn-to-cook + & CD = 5 & HL = EN &克拉= clnk網頁抓取 - 如何獲取一個網絡鏈接的特定部分
我有一個多鏈路數據集。每個鏈接都是相同的模式。我想獲得鏈接的特定部分，因爲上面的鏈接我將成爲上面鏈接的大膽部分。我想從第二個http開始到第一個+符號之前的文本。
我不知道如何使用正則表達式。我在Python中工作。請幫助我。
如果每個鏈接有相同的模式，你不需要正則表達式。您可以使用string.find()和string cutting
link = "https://webcache.googleusercontent.com/search?q=cache:jAc7OJyyQboJ:https://cooking.nytimes.com/learn-to-cook+&cd=5&hl=en&ct=clnk"
# This finds the second occurrence of "https://" and returns the position
second_https = link.find("https://", link.find("https://")+1)
# Index of the end of the link
end_of_link = link.find("+")
new_link = link[second_https:end_of_link]
print(new_link)
這將返回「https://cooking.nytimes.com/learn-to-cook」，並描述如果鏈接遵循相同的模式就可以了（它是第二HTTPS：在鏈接//與結束+號）
我會去與urlparse (Python 2)或urlparse (Python 3)和重新 GEX一點點：
import re
from urlparse import urlparse
url_example = "https://webcache.googleusercontent.com/search?q=cache:jAc7OJyyQboJ:https://cooking.nytimes.com/learn-to-cook+&cd=5&hl=en&ct=clnk"
parsed = urlparse(url_example)
result = re.findall('https?.*', parsed.query)[0].split('+')[0]
print(result)
輸出：
https://cooking.nytimes.com/learn-to-cook