Regex 可靠地匹配行内的url

我很难弄清楚我认为什么是非常简单的正则表达式。我正在尝试用Python制作一个推特机器人，它可以推特一些作者的引用。 我需要它：

• 从文件中读取引用和url
• 将引号和url分开分析，以便它可以添加引号标记 围绕报价部分，并使用url部分确定哪本书 引用自并添加相关书籍封面
• 我还需要将url分开来计算发布后的tweet长度 推特缩短了网址
• 最后一件事：一些引用可能没有url，我需要它来识别它，并添加一些随机图片作为备用

经过反复试验和错误后，我提出了这个正则表达式，在我测试它时，它似乎起到了作用：

r'（？p.*）（？Phttps.*）'

因为我不需要验证url，所以我认为我不需要任何复杂的正则表达式，就像我在研究中遇到的正则表达式一样

但是当我尝试启动bot时，我意识到它无法正确解析引号，而是将整行内容捕捉为“引号”（并且无法识别url）

让我困惑的是，它并没有一直失败，相反，它似乎有时有效，有时无效

下面是我尝试做的一个不可靠失败的例子：

以下是我编写的整个函数：

def parseText(text):
    # Separate the quote from the link
    tweet = {}
    regex = r'(?P<quote>.*)?(?P<link>https.*)?'

    m = re.search(regex, text)

    tweet = m.groupdict("")

    return tweet

def parseText（文本）：
#将报价与链接分开
tweet={}
regex=r'（？P.*）（？Phttps.*）'
m=重新搜索（正则表达式，文本）
tweet=m.groupdict（“”）
返回推文

[编辑]好的，我并没有用这种方式解决问题，但找到了一种可能不太优雅但至少似乎能解决问题的解决方法：

• 我有两个独立的函数，一个用于获取url，另一个用于将url从行中拆分出来并单独返回报价
• 我首先调用

  getUrl（）

  ，然后只有当它返回的内容不是

  None

  ，我才调用

  getQuote（）

  。如果

  url==None

  ，我可以直接推特整行内容

通过这种方式，regex部分变得非常简单，到目前为止，无论是否使用url，它似乎都可以工作。我只是有一个小问题，当没有url时，即使我使用

str.split（'/n'）

删除换行符，它也必须在那里，因为当我添加引号时，最后一个在换行符上

---

我暂时不讨论这个问题，因为技术上它还没有解决，多亏了那些给我答案的人，但它似乎不起作用。

您也可以将正则表达式字符串更改为

r'（？p.*）。（？Phttps.*））“

它还负责引号和链接之间的任何额外字符

它匹配整行，因为第一个

*

是贪婪的，第二个组是可选的，下面的

*

也是可选的。如果您想匹配http部分，可以使用

https？\S+

是的，只需将

组中贪婪的量词

*

更改为懒惰的

*？

，就可以了。您好，谢谢您的建议，不幸的是，它至少在调试器中似乎没有完全消除它。我知道贪婪的量词确实有问题，但仅仅是让它变懒似乎就可以让它一次抓住每一个字符。无论如何，我找到了一个解决方法，请看下文。谢谢，我试图使url在引用之后保持不变，所以无论如何，这不应该是一个问题。