問題與字符串替換和正則表達式

我正在寫一個函數來將URL轉換爲工作鏈接。這必須轉換每種形式：像http://link.com的完整url，沒有像www.link.com這樣的協議，即使只有像link.com這樣的擴展名。問題與字符串替換和正則表達式

到目前爲止，我的函數正在工作，但是當字符串中存在幾次相同的鏈接時會出現一個奇怪的錯誤。

import re 
import cgi 

def process_links(string): 
    """Convert urls to links in a string""" 
    # http + https 
    links = re.findall("(https?://[^\s]+)", string) 
    # www 
    links2 = re.findall("(w{3}\.[^\s]+)", string) 
    # only extension 
    links3 = re.findall("([^\s]+\.[^\s]{2,})", string) 
    links = links + links2 + links3 
    # remove duplicates 
    links = list(set(links)) 
    string = cgi.escape(string) 
    for link in links: 
     # make sure the href attr starts with http|https 
     if re.match('https?://', link) is None: 
      http_link = 'http://'+link 
     else: 
      http_link = link 
     htmlLink = '<a href="'+http_link+'">'+link+'</a>' 
     string = re.sub(link, htmlLink, string) 
    return string

工作和失敗的例子：

# working 
string = 'firstlink.com and www.secondlink.com' 
# output: 
# '<a href="http://firstlink.com">firstlink.com</a> and <a href="http://www.secondlink.com">www.secondlink.com</a>  

# failing: when there are several times the same link 
string = 'firstlink.com and http://firstlink.com 
# output: 
# <a href="<a href="http://firstlink.com">http://firstlink.com</a>">firstlink.com</a> and http://<a href="<a href="http://firstlink.com">http://firstlink.com</a>">firstlink.com</a>

我從來沒有嘗試過在Python中使用正則表達式這種「複雜」，不能弄清楚爲什麼會存在這種怪異的行爲。我認爲這是來自re.sub()的一部分，它可能代替已經被替換的東西？

PS：我的功能可能不是最好的，當然也可以提高，如果你有我在聽

來源

2013-06-04 romainberger

第一次循環，應用re.sub將*替換firstlink.com的所有*出現與firstlink.com，並通過第二次循環時，應用re.sub將取代*所有*發生http://firstlink.com與http://firstlink.com –

任何建議，你要處理的鏈接爲你找到他們，並找到所有與形式一個正則表達式。使用re.sub()和替換功能將是最簡單：

def linkify(match): 
    link = match.group(1) 
    http_link = link if re.match('https?://', link) else 'http://' + link 
    return '<a href="{}">{}</a>'.format(http_link, link) 

links = re.compile(r'(https?://[^\s]+|w{3}\.[^\s]+|[^\s]+\.[^\s]{2,})') 
string = links.sub(linkify, string)

通過3種形式組合成你防止多次匹配相同的鏈接一個模式，並通過使用替換功能也避免更換多次出現，其中一個短使用相同鏈接的形式（鏈接的http://firstlink.com仍包含firstlink.com部分用於將來的替換呼叫）。

演示：

>>> string = 'firstlink.com and www.secondlink.com' 
>>> links.sub(linkify, string) 
'<a href="http://firstlink.com">firstlink.com</a> and <a href="http://www.secondlink.com">www.secondlink.com</a>' 
>>> string = 'firstlink.com and http://firstlink.com' 
>>> links.sub(linkify, string) 
'<a href="http://firstlink.com">firstlink.com</a> and <a href="http://firstlink.com">http://firstlink.com</a>'

來源

2013-06-04 23:05:10

謝謝，我試圖使用編譯方法，但無法讓它工作 – romainberger

問題與字符串替換和正則表達式

回答

相關問題