Python 从文本中提取所有域

我需要从字符串中提取域。我有一个有效的正则表达式，它已经过测试，但是我不能让它与下面的代码一起工作。可能是我在这里遗漏了什么

mytext = "I want to extract some domains like foo.com, bar.net or http://foobar.net/ etc"
myregex = r'^([a-zA-Z0-9]([a-zA-Z0-9\-]{0,61}[a-zA-Z0-9])?\.)+[a-zA-Z]{2,6}$'
foo = re.findall(myregex, mytext)
print foo

我只要打印出一个空的列表

['foo.com','bar.net','foobar.net']

---

移除锚定，使组不被捕获：

r'(?:[a-zA-Z0-9](?:[a-zA-Z0-9\-]{,61}[a-zA-Z0-9])?\.)+[a-zA-Z]{2,6}'

^

和

$

将表达式锁定为仅匹配整个字符串<当模式包含捕获组时，code>re.findall（）也会改变行为；您希望在此处列出整个比赛，这要求不存在此类组

（…）

是捕获组，

（？：…）

是非捕获组

演示：

---

移除锚定，使组不被捕获：

r'(?:[a-zA-Z0-9](?:[a-zA-Z0-9\-]{,61}[a-zA-Z0-9])?\.)+[a-zA-Z]{2,6}'

^

和

$

将表达式锁定为仅匹配整个字符串<当模式包含捕获组时，code>re.findall（）也会改变行为；您希望在此处列出整个比赛，这要求不存在此类组

（…）

是捕获组，

（？：…）

是非捕获组

演示：

---

问题是在正则表达式的开头包含

^

，在末尾包含

$

。这使得它仅在域是整个字符串时匹配。在这里，您希望看到字符串中的匹配项。试着这样改变它

myregex = r'(?:[a-zA-Z0-9](?:[a-zA-Z0-9\-]{0,61}[a-zA-Z0-9])?\.)+[a-zA-Z]{2,6}'

编辑

---

@Martijn指出，这里需要使用非捕获组来获得指定的输出

问题在于在正则表达式的开头包含

^

，在结尾包含

$

。这使得它仅在域是整个字符串时匹配。在这里，您希望看到字符串中的匹配项。试着这样改变它

myregex = r'(?:[a-zA-Z0-9](?:[a-zA-Z0-9\-]{0,61}[a-zA-Z0-9])?\.)+[a-zA-Z]{2,6}'

编辑

---

@Martijn指出，这里需要使用非捕获组来获得指定的输出

这里的问题是，您的正则表达式在开头包含^，在结尾包含$，这意味着它只匹配一个同时开始和结束字符串的域（即一个域）

例如，它将匹配“www.stackoverflow.com”，但不匹配“这是www.stackoverflow.com上的一个问题”或“www.stackoverflow.com很棒”

---

如果您只是从正则表达式中删除^和$，它应该可以正常工作

这里的问题是，您的正则表达式在开头包含^，在结尾包含$，这意味着它只匹配一个同时开始和结束字符串的域（即一个域）

例如，它将匹配“www.stackoverflow.com”，但不匹配“这是www.stackoverflow.com上的一个问题”或“www.stackoverflow.com很棒”

---

如果您只是从正则表达式中删除^和$，它应该可以正常工作

请注意，OP使用的是

re.findall（）

，它要么返回元组列表（模式中的每个匹配组），要么如果只有一个组，则捕获组列表，如果没有组，则捕获整个匹配的列表。对于此模式中的捕获组，这意味着对于给定的示例输入，结果是

[（'foo'，'oo'），（'bar'，'ar'），（'foobar'，'oobar'）]

。请注意，OP使用的是

re.findall（）

，它要么返回元组列表（模式中每个匹配的组），要么如果只有一个组，组列表捕获整个匹配的列表，如果没有组，则捕获整个匹配的列表。对于此模式中的捕获组，这意味着对于给定的示例输入，结果是

[（'foo'，'oo'），（'bar'，'ar'），（'foobar'，'oobar'）]