python - Gruber 在 Python 中的 URL 正则表达式

Question

如何重写这种识别地址的新方法以在 Python 中工作？

\b(([\w-]+://?|www[.])[^\s()<>]+(?:\([\w\d]+\)|([^[:punct:]\s]|/)))

Answer 1

原始来源声明“这种模式应该适用于大多数现代正则表达式实现”，特别是 Perl。Python 的正则表达式实现是现代的，与 Perl 的类似，但缺少[:punct:]字符类。您可以使用以下方法轻松构建它：

>>> import string, re
>>> pat = r'\b(([\w-]+://?|www[.])[^\s()<>]+(?:\([\w\d]+\)|([^%s\s]|/)))'
>>> pat = pat % re.sub(r'([-\\\]])', r'\\\1', string.punctuation)

该调用根据需要re.sub()对字符集中的某些字符进行转义。

编辑：使用 re.escape() 也可以，因为它只是在Everything前面加上一个反斜杠。起初我觉得这很粗糙，但在这种情况下肯定很好用。

>>> pat = pat % re.escape(string.punctuation)

Answer 2

我不认为python有这个表达

[:punct:]

维基百科说[:punct:]是一样的

[-!\"#$%&\'()*+,./:;<=>?@\\[\\\\]^_`{|}~]

Answer 3

Python 没有POSIX 括号表达式。

括号表达式在 ASCII中[:punct:]等价于

[!"#$%&'()*+,\-./:;<=>?@[\\\]^_`{|}~]