拆分字符串，但在Python中将分隔符保留在相同的结果子字符串中

我有一个包含URL的字符串：

string=https://www.link1.net/abc/cik?xai=En8MmT__aF_nQm-F48&；sig=Cg0A7_5AE&；urlfix=1&；；ccurl=https://aax-us.link-two.com/x/c/Qoj_sZnkA%2526adurl%253Dhttp%253A%252F%252Fwww.link-三个。mu%252F

我想提取所有这些数据，得到如下结果：

['https://www.link1.net/abc/cik?xai=En8MmT__aF_nQm-F48&；sig=Cg0A7_5AE&；urlfix=1&；ccurl='，'https://aax-us.link-two.com/x/c/Qoj_sZnkA%2526adurl%253D“，”http%253A%252F%252Fwww.link three.mu%252F']

我正在努力：

urls = [x for x in re.split('(http[s]?)', string) if x]
print urls 

结果是：

['https'，'：//www.link1.net/abc/cik？xai=En8MmT\uu aF\u nQm-
F48&；sig=Cg0A7_5AE&；urlfix=1&；ccurl='，'https'，'：//aax us.link two.com/x/c/Qoj_sZnkA%2526durl%253D'，'http'，'%253A%252F%252fww.link three.mu%252F'.

如果URL可以以“http”或“https”开头，那么如何将完整的URL放在一起

---

有什么好主意吗？

你可以利用你的成绩参加两个连续的比赛，这样就行了

urls = [urls[i]+urls[i+1] for i in range(0,len(urls),2)]

但最好使用

findall

并对

https？

或字符串结尾进行前瞻：

import re

string = "https://www.link1.net/abc/cik?xai=En8MmT__aF_nQm-F48&sig=Cg0A7_5AE&urlfix=1&;ccurl=https://aax-us.link-two.com/x/c/Qoj_sZnkA%2526adurl%253Dhttp%253A%252F%252Fwww.link-three.mu%252F"

print(re.findall("https?.*?(?=https?|$)",string))

结果:

['https://www.link1.net/abc/cik?xai=En8MmT__aF_nQm-F48&sig=Cg0A7_5AE&urlfix=1&;ccurl=',
 'https://aax-us.link-two.com/x/c/Qoj_sZnkA%2526adurl%253D', 
 'http%253A%252F%252Fwww.link-three.mu%252F']

---

如注释中所述，由于您无法将

：

添加到分隔符中，因此无法确定URL分隔（如果URL在您的toast地址中包含

http

）

您可以使用您的结果并加入两个连续的匹配，这样就可以了

urls = [urls[i]+urls[i+1] for i in range(0,len(urls),2)]

但最好使用

findall

并对

https？

或字符串结尾进行前瞻：

import re

string = "https://www.link1.net/abc/cik?xai=En8MmT__aF_nQm-F48&sig=Cg0A7_5AE&urlfix=1&;ccurl=https://aax-us.link-two.com/x/c/Qoj_sZnkA%2526adurl%253Dhttp%253A%252F%252Fwww.link-three.mu%252F"

print(re.findall("https?.*?(?=https?|$)",string))

结果:

['https://www.link1.net/abc/cik?xai=En8MmT__aF_nQm-F48&sig=Cg0A7_5AE&urlfix=1&;ccurl=',
 'https://aax-us.link-two.com/x/c/Qoj_sZnkA%2526adurl%253D', 
 'http%253A%252F%252Fwww.link-three.mu%252F']

---

如注释中所述，由于无法将

：

添加到分隔符中，因此无法确定URL分隔（如果URL在您的地址中包含

http

）

而不使用

re

，您可以按如下方式处理此问题：

['http' + x for x in filter(lambda x: x, string.split('http'))]

结果将是：

['https://www.link1.net/abc/cik?xai=En8MmT__aF_nQm-
F48&sig=Cg0A7_5AE&urlfix=1&;ccurl=', 'https://aax-us.link-
two.com/x/c/Qoj_sZnkA%2526adurl%253D', 'http%253A%252F%252Fwww.link-
three.mu%252F']

---

不使用

re

，您可以按如下方式处理此问题：

['http' + x for x in filter(lambda x: x, string.split('http'))]

结果将是：

['https://www.link1.net/abc/cik?xai=En8MmT__aF_nQm-
F48&sig=Cg0A7_5AE&urlfix=1&;ccurl=', 'https://aax-us.link-
two.com/x/c/Qoj_sZnkA%2526adurl%253D', 'http%253A%252F%252Fwww.link-
three.mu%252F']

---

使用前瞻

（？=http）

。此外，无需将

s

放入一个集合

[s]

，因为默认情况下它是按字面解释的（它本身没有特殊含义）。此外，无需检查

s

，因为

http

是您真正需要查找的全部内容（想想看，如果

http

存在，谁会在乎

http

末尾是否有

s

，因为它已经满足了您的第一个要求）。您尝试匹配的URL是什么？它们在哪里结束？你认为从代码开始> http%253a < /代码>一个有效的URL吗？这是一个URL <代码>https://aax-us.link-two.com/x/c/Qoj_sZnkA%2526adurl%253Dhttp%253A%252F%252Fwww.link-3.mu%252F是的，你说得对，http是我真正需要的。因此，整个字符串来自URL重定向方案，在该方案中，我需要提取链中的所有URL。现在，我正在对URL进行解码，然后再拆分它们，以便所有URL都以http://.Use 前瞻

（？=http）

。此外，无需将

s

放入一个集合

[s]

，因为默认情况下它是按字面解释的（它本身没有特殊含义）。此外，无需检查

s

，因为

http

是您真正需要查找的全部内容（想想看，如果

http

存在，谁会在乎

http

末尾是否有

s

，因为它已经满足了您的第一个要求）。您尝试匹配的URL是什么？它们在哪里结束？你认为从代码开始> http%253a < /代码>一个有效的URL吗？这是一个URL <代码>https://aax-us.link-two.com/x/c/Qoj_sZnkA%2526adurl%253Dhttp%253A%252F%252Fwww.link-3.mu%252F是的，你说得对，http是我真正需要的。因此，整个字符串来自URL重定向方案，在该方案中，我需要提取链中的所有URL。现在，我正在对URL进行解码，然后再拆分它们，以便所有URL都以http://.I 相信字符串方法通常比

re

更快，因此这是一个比目前介绍的其他方法更好的解决方案。使用

filter（无，string.split（'http'））

，它甚至更干净。除此之外，regexYes还有一个很好的替代品，速度确实更快！我相信字符串方法通常比

re

更快，因此这是一个比目前介绍的其他方法更好的解决方案。使用

filter（None，string.split（'http'））

，它甚至更干净。除此之外，regexYes还有一个很好的替代品，速度确实更快！测试和工作良好，但字符串方法在我的大型项目中工作得更快。我在另一个问题上使用了这个方法，经过测试，效果很好，但是字符串方法在我的大型项目中工作得更快。我把这个用在了另一个问题上。