如何从python中的文本文件中获取基本urls？

Question

我有一个文本文件名weburl，它有很多urls，我只想使用regex weburls获取基本urls。

 wikimapia.org/1649944/Bahawalpur-Railway-Station
 panoramio.com/photo/84118355
 wikimapia.org/1649944/Bahawalpur-Railway-Station
 nativepakistan.com/photos-of-bahawalpur
 defence.pk/threads/pictures-of-pakistan-railways.303027
 nativepakistan.com/photos-of-bahawalpur
 panoramio.com/photo/51311162
 https://hiveminer.com/User/Pakistan Rail Buff

需要这个

 wikimapia.org
 panoramio.com
 wikimapia.org
 nativepakistan.com
 defence.pk
 nativepakistan.com
 panoramio.com
 https://hiveminer.com

使用regex我该怎么做？

Answer 1

一种解决办法可以是：

^(?:\w+://)?.*?(?::\d+)?(?=/|$)

它匹配行的起始(^)和一个可选的协议规范，例如https:// ((?:\w+://)?)。然后，它将任意数量的任何东西(.*?)匹配到一个可选的端口规范--比如:80 ((?::\d+)?)。最后，它检查匹配后是否有一个/、或，这是行$的末尾( psitive前瞻性(?=/|$))。

在regex101这里看看。

请注意，如果您不想匹配端口部分，您可以将其移到积极的角度。即^(?:\w+://)?.*?(?=(?::\d+)?(?:/|$))