Voglio rimuovere tutti gli URL all'interno di una stringa (sostituirli con "") Ho cercato in giro ma non riuscivo a trovare veramente quello che volevo.Come rimuovere qualsiasi URL all'interno di una stringa in Python
Esempio:
text1
text2
http://url.com/bla1/blah1/
text3
text4
http://url.com/bla2/blah2/
text5
text6
http://url.com/bla3/blah3/
Voglio che il risultato sia:
text1
text2
text3
text4
text5
text6
Python script:
import re
text = re.sub(r'^https?:\/\/.*[\r\n]*', '', text, flags=re.MULTILINE)
di uscita:
text1
text2
text3
text4
text5
text6
Verifica questo codice here.
Grazie per ** solo ** risposta utile e semplice. –
dovrebbe essere semplice utilizzando regular expressions. Puoi usarli tramite il modulo re in python.
Per cui l'espressione regolare può meglio rilevare un URL valido, controllare questi SO domande:
What is the best regular expression to check if a string is a valid URL?
What's the cleanest way to extract URLs from a string using Python?
Ci sono alcune risposte molto votate in queste, quindi dovresti darti qualche indicazione.
Beh, l'ho già verificato prima .. Ma puoi dirmi come farlo per il mio esempio sopra? –
Lo scopo di Stack Overflow non è solo quello di chiedere il codice. Se hai già controllato quella domanda, mi chiedo perché non hai ancora trovato nulla. Che cosa hai provato che ha fallito? –
Prima di tutto dovrebbe trovare un modello nel file di testo per gli URL. quando lo hai trovato, puoi usare regular expressions.
È possibile che tu faccia lo stesso lavoro, ma reg expr rende il tuo lavoro molto più facile e anche degno di imparare.
questo ha funzionato per me:
import re
thestring = "text1\ntext2\nhttp://url.com/bla1/blah1/\ntext3\ntext4\nhttp://url.com/bla2/blah2/\ntext5\ntext6"
URLless_string = re.sub(r'\w+:\/{2}[\d\w-]+(\.[\d\w-]+)*(?:(?:\/[^\s/]*))*', '', thestring)
print URLless_string
Risultato:
text1
text2
text3
text4
text5
text6
Si potrebbe anche guardarlo dal contrario ...
from urlparse import urlparse
[el for el in ['text1', 'FTP://somewhere.com', 'text2', 'http://blah.com:8080/foo/bar#header'] if not urlparse(el).scheme]
Questa soluzione si rivolge per HTTP, HTTPS e gli altri normale digitare l'URL di caratteri speciali:
import re
def remove_urls (vTEXT):
vTEXT = re.sub(r'(https|http)?:\/\/(\w|\.|\/|\?|\=|\&|\%)*\b', '', vTEXT, flags=re.MULTILINE)
return(vTEXT)
print(remove_urls("this is a test https://sdfs.sdfsdf.com/sdfsdf/sdfsdf/sd/sdfsdfs?bob=%20tree&jef=man lets see this too https://sdfsdf.fdf.com/sdf/f end"))
Questo ha funzionato per me. Grazie. – Aventinus
espressioni regolari per URL rimossa in PHP
<?php
preg_match_all('/<a.*?href=".*?">(.*?)<[\/]a>/', $content,$arr);
$new_content = str_replace($arr[0], $arr[1], $content);
echo $new_content;
?>
la via più breve
re.sub(r'http\S+', '', stringliteral)
La seguente espressione regolare in Python funziona bene per rilevazione URL (s) nel testo:
source_text = '''
text1
text2
http://url.com/bla1/blah1/
text3
text4
http://url.com/bla2/blah2/
text5
text6 '''
import re
url_reg = r'[a-z]*[:.]+\S+'
result = re.sub(url_reg, '', source_text)
print(result)
uscita:
text1
text2
text3
text4
text5
text6
La domanda è stata risposta 5 anni fa. Quale nuovo valore porta la tua risposta? –
Questo cancellerà le righe come 'text1: text2', che non è voluto. – Toto
Sei sicuro hai studiato a sufficienza? Hai provato ** espressioni regolari **? –
Sì, ma non ho davvero capito come farlo nel mio esempio .. –
Hai guardato http://stackoverflow.com/questions/520031/whats-the-cleanest-way-to-extract-urls-from -a-string-using-python –