Python 此正则表达式正在验证URL，但仅此URL验证错误。为什么？

当我查看输出时，由于某种原因，

www.fairfaxmedia.co.nz

会在结尾处切断

z

，因此它只显示

www.fairfaxmedia.co.n

组（2）

我不明白为什么会这样

---

还有，问题2——我如何只搜索引用中的URL，而不搜索匹配中的引用

您的正则表达式使用捕获组：

• （http://| https://）

  匹配（并在组1中捕获）http部分

• （[\w]+\.[\w\.]+\/？）

  在第二组中捕获

• （[\w\/\.]+”

  在第三组中捕获

由于在

（[\w\/\.]+”

中放置了

+

，字符类

[\w\/\.]

不能与任何字符匹配。意思是在

http://www.fairfaxmedia.co.nz“

最后一组必须至少匹配

z”

因此，

z

不能在第二组中（即您正在调用的组），如图所示

如果您想简单地将域名与URL的其余部分分开，您可以调整regex以：

urliter = re.finditer(r'(http://|https://)([\w]+\.[\w\.]+\/?)([\w\/\.]+")',lines)

urlMatches = defaultdict(list)
for match in urliter:
    urlMatches[match.group(2)].append(match.group())

---

整个URL（不带引号）在捕获组1中，域名在捕获组2中，其余的在捕获组3中：请参见。

要搜索引号中的文本，但将引号保留在匹配项之外，您可以使用环顾断言

例如（核心regexp取自Robins答案）

（？
urliter = re.finditer(r'(http://|https://)([\w]+\.[\w\.]+\/?)([\w\/\.]+")',lines)

urlMatches = defaultdict(list)
for match in urliter:
    urlMatches[match.group(2)].append(match.group())

"(https?://(\w+\.[\w.]+)(/?[\w/.-]*))"

(?<=\")(https?://(\w+\.[\w.]+)(/?[\w\/\.]*))(?=\")