拆分字符串，但在Python中将分隔符保留在相同的结果子字符串中

Question

我有一个包含URL的字符串：

string = https://www.link1.net/abc/cik?xai=En8MmT__aF_nQm-F48&sig=Cg0A7_5AE&urlfix=1&;ccurl=https://aax-us.link-two.com/x/c/Qoj_sZnkA%2526adurl%253Dhttp%253A%252F%252Fwww.link-three.mu%252F

我想把它们全部提取出来，得到这样的结果：

['https://www.link1.net/abc/cik?xai=En8MmT__aF_nQm-F48&sig=Cg0A7_5AE&urlfix=1&;ccurl=','https://aax-us.link-two.com/x/c/Qoj_sZnkA%2526adurl%253D','http%253A%252F%252Fwww.link-three.mu%252F']

我正在尝试：

urls = [x for x in re.split('(http[s]?)', string) if x]
print urls 

结果是：

['https', '://www.link1.net/abc/cik?xai=En8MmT__aF_nQm- F48&sig=Cg0A7_5AE&urlfix=1&;ccurl=', 'https', '://aax-us.link-two.com/x/c/Qoj_sZnkA%2526adurl%253D', 'http', '%253A%252F%252Fwww.link-three.mu%252F']

如果URL可以以“http”或“https”开头，我如何才能获得完整的URL？

有什么想法吗？

Answer 1

在不使用re的情况下，您可以按如下方式处理此问题：

['http' + x for x in filter(lambda x: x, string.split('http'))]

结果将是：

['https://www.link1.net/abc/cik?xai=En8MmT__aF_nQm-
F48&sig=Cg0A7_5AE&urlfix=1&;ccurl=', 'https://aax-us.link-
two.com/x/c/Qoj_sZnkA%2526adurl%253D', 'http%253A%252F%252Fwww.link-
three.mu%252F']

Answer 2

你可以使用你的结果，并加入两个连续的匹配，这将是工作。

urls = [urls[i]+urls[i+1] for i in range(0,len(urls),2)]

但最好在https?或字符串末尾使用带有先行的findall：

import re

string = "https://www.link1.net/abc/cik?xai=En8MmT__aF_nQm-F48&sig=Cg0A7_5AE&urlfix=1&;ccurl=https://aax-us.link-two.com/x/c/Qoj_sZnkA%2526adurl%253Dhttp%253A%252F%252Fwww.link-three.mu%252F"

print(re.findall("https?.*?(?=https?|$)",string))

结果：

['https://www.link1.net/abc/cik?xai=En8MmT__aF_nQm-F48&sig=Cg0A7_5AE&urlfix=1&;ccurl=',
 'https://aax-us.link-two.com/x/c/Qoj_sZnkA%2526adurl%253D', 
 'http%253A%252F%252Fwww.link-three.mu%252F']

正如评论中所提到的，由于您不能将:添加到分隔符，因此您无法确定URL分隔符(如果URL在您正在使用的地址中包含http )