如何删除Python中字符串中的任何URL

Question

我想删除字符串中的所有URL(用""替换它们)我搜索过但却找不到我想要的东西.

例:

text1
text2
http://url.com/bla1/blah1/
text3
text4
http://url.com/bla2/blah2/
text5
text6
http://url.com/bla3/blah3/

我希望结果如下:

text1
text2
text3
text4
text5
text6

Answer 1

Python脚本:

import re
text = re.sub(r'^https?:\/\/.*[\r\n]*', '', text, flags=re.MULTILINE)

输出:

text1
text2
text3
text4
text5
text6

在这里测试此代码.

Answer 2

最短的路

re.sub(r'http\S+', '', stringliteral)

Answer 3

这对我有用:

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

结果:

text1
text2

text3
text4

text5
text6

Answer 4

您真正想要做的是删除以任何一个http://或https://加上非空白字符的任意组合开头的任何字符串。这是我将如何解决它。我的解决方案与@tolgayilmaz 的解决方案非常相似

#Define the text from which you want to replace the url with "".
text ='''The link to this post is /sf/ask/793238771/'''

import re
#Either use:
re.sub('http://\S+|https://\S+', '', text)
#OR 
re.sub('http[s]?://\S+', '', text)

运行上面任一代码的结果是

>>> 'The link to this post is '

我更喜欢第二个，因为它更具可读性。

Answer 5

使用正则表达式应该很简单.您可以通过repython中的模块使用它们.

对于哪个正则表达式可以最好地检测有效URL,请检查以下SO问题:

• 检查字符串是否为有效URL的最佳正则表达式是什么？

• 使用Python从字符串中提取URL的最简洁方法是什么？

• 如何匹配文本中的URI？

这些中有很多高度评价的答案,所以应该给你一些方向.

Answer 6

此解决方案适用于http,https和其他普通的url类型特殊字符:

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"))

Answer 7

我知道这已经得到了回答，而且很愚蠢，但我认为这应该在这里。这是一个匹配任何类型 url 的正则表达式。

[^ ]+\.[^ ]+

它可以像

re.sub('[^ ]+\.[^ ]+','',sentence)

Answer 8

删除任何文本中混淆的HTTP链接/ URL:

import re
re.sub(r'''(?i)\b((?:https?://|www\d{0,3}[.]|[a-z0-9.\-]+[.][a-z]{2,4}/)(?:[^\s()<>]+|\(([^\s()<>]+|(\([^\s()<>]+\)))*\))+(?:\(([^\s()<>]+|(\([^\s()<>]+\)))*\)|[^\s`!()\[\]{};:'".,<>?«»“”‘’]))''', " ", text)

Answer 9

为了消除任何URL一个内Python中的字符串，就可以使用这个表达式功能：

import re

def remove_URL(text):
    """Remove URLs from a text string"""
    return re.sub(r"http\S+", "", text)

Answer 10

您也可以从相反的角度来看它...

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]

Answer 11

我找不到能处理我的特殊情况的任何东西，即删除推文中间的URL，而这些推文的中间也有空格，所以我自己做了：

(https?:\/\/)(\s)*(www\.)?(\s)*((\w|\s)+\.)*([\w\-\s]+\/)*([\w\-]+)((\?)?[\w\s]*=\s*[\w\%&]*)*

这是一种解释：
(https?:\/\/)匹配http：//或https：//
(\s)*可选空格
(www\.)?可选匹配www。
(\s)*可选地匹配空格，
((\w|\s)+\.)*匹配一个或多个单词字符
([\w\-\s]+\/)*中的0个或多个，后跟一个句点，匹配一个或多个单词（或破折号或空格）中的0个或多个，
([\w\-]+)并在URL末尾加上“ \” 可选的结尾
((\?)?[\w\s]*=\s*[\w\%&]*)*匹配结尾查询参数（即使有空格等）

在这里测试：https : //regex101.com/r/NmVGOo/8