此代码如何使用正则表达式从字符串中提取 URL

Question

我正在使用我在 stackexchange 上找到的 sn-p，它使用 re.findall() 查找字符串中的所有 url。它工作得很好，但是为了进一步了解我的知识，我想知道它是如何工作的。代码如下-

re.findall('http[s]?://(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*\(\),]|(?:%[0-9a-fA-F][0-9a-fA-F]))+', site)

据我了解，它会查找以 http 或 https 开头的所有字符串（这就是为什么 [s] 在方括号中的原因？）但我不太确定 (?:[etc etc etc]))+ 之后的所有内容。我认为方括号中的内容，例如。 [a-zA-Z] 表示从 a 到 z 的所有字母是否大写，但其余的内容呢？在 url 末尾只获取 url 而不是随机字符串是如何工作的？

提前致谢:)

Answer 1

使用此链接，您可以获得正则表达式的解释： Your regex explained

再补充一点：

[s]? 表示“可选的 's' 字符”，但这是因为 ? 不在括号内 [我认为它们是多余的。

空格不是可接受的字符之一，因此它确实会停在那里。 '/' 也一样。它不是字面上提到的，也不是字符范围$-_ 的一部分（参见http://www.asciitable.com/index/asciifull.gif）。

(?:%[0-9a-fA-F][0-9a-fA-F]) 这匹配 URL 中的十六进制字符代码，例如%2f 表示“/”字符。

非捕获组意味着该组已匹配，但结果匹配未存储在正则表达式返回值中，即在正则表达式针对您的字符串运行后，您无法提取字符串的匹配位。