質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.48%
Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

Q&A

解決済

1回答

2127閲覧

Python:正規表現で文字列からURLだけを抽出したい

退会済みユーザー

退会済みユーザー

総合スコア0

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

0グッド

0クリップ

投稿2022/08/13 09:22

Pythonの正規表現を使い、文字列からURLを抽出したいです。
下記のコードに辿り着いたのですが、これだと語尾の「です」も一緒に抽出してしまいます。

python

1import re 2pattern = "https?://[\w/:%#\$&\?\(\)~\.=\+\-]+" 3text = "テストhttps://teratail.com/です" 4url_list = re.findall(pattern, text) 5print(url_list) 6#出力結果 ['https://teratail.com/です'] 7#期待する出力 ['https://teratail.com/']

「です」を含めないように「https://teratail.com/」だけを抽出する良い方法はありませんでしょうか?
また、下記のような場合に独立してURLを取得する方法はありますでしょうか?

python

1import re 2pattern = "https?://[\w/:%#\$&\?\(\)~\.=\+\-]+" 3text = "テストhttps://teratail.com/https://teratail.com/です" 4url_list = re.findall(pattern, text) 5print(url_list) 6#出力結果 ['https://teratail.com/https://teratail.com/です'] 7#期待する出力 ['https://teratail.com/', 'https://teratail.com/']

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答1

0

ベストアンサー

前者は、\wA-Za-z0-9_のように列挙すれば良いかと。
もしくは、pattern = re.compile("~~",re.ASCII)とASCIIモードでコンパイルして、\wが日本語にマッチしないようにする。

後者は、先読みを使って、

Python

1pattern = "https?://[A-Za-z0-9_/:%#$&?()~.=+-]+?(?=https?:|[^A-Za-z0-9_/:%#$&?()~.=+-]|$)"

とかでしょうか。元の正規表現にあった不要なバックスラッシュは省いています。

投稿2022/08/13 09:45

otn

総合スコア84533

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

退会済みユーザー

退会済みユーザー

2022/08/13 10:22

期待通りの結果になりました。 ありがとうございました。ベストアンサーとさせて頂きます。 参考までにお聞きしたいのですが、例えば text = "テストhttps://teratail.com/https://teratail.com/です" はotn様の回答で、 ['https://teratail.com/', 'https://teratail.com/'] と出力されますが、これを ['テスト', 'https://teratail.com/', 'https://teratail.com/, 'です''] のようにする方法ありませんでしょうか?
otn

2022/08/13 10:26

簡単には、 pattern = "(https?://[A-Za-z0-9_/:%#$&?()~.=+-]+?(?=https?:|[^A-Za-z0-9_/:%#$&?()~.=+-]|$))" url_list = re.split(pattern, text) でしょうか。URL2つの間の空文字列も出力されますが。
退会済みユーザー

退会済みユーザー

2022/08/13 11:15

ありがとうございます。 からの要素を削除するのは簡単なので、非常に助かりました。 ありがとうございました。 今後ともよろしくお願いします!
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.48%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問