如何在python中从文本文件中获取基本url？

Question

我有一个文本文件名weburl，其中有许多url，我只想使用regex获取基本url 网址

 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

需要这个吗

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

如何使用regex？你知道吗

Answer 1

一种解决方案是：

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

它匹配行的开头（^），后跟可选协议规范，例如https://（(?:\w+://)?）。然后它匹配任意数量的任何（.*?）直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/或行的结尾$（psitive look ahead (?=/|$)）。你知道吗

Check it out here at regex101。你知道吗

请注意，如果不想匹配端口部分，可以将其移到正面展望中。即^(?:\w+://)?.*?(?=(?::\d+)?(?:/|$))