python - 使用 python 从 XML 文件中提取链接

Question

我有一个站点地图 XML 文件，我想运行一个脚本来提取所有网址并打印它。我尝试过 re.findall(r'(https?://\S+)', url)

但这会打印结束标签，例如:“https://www.tutorialspoint.com/python/python_reg_expressions.htm/liv”

我不想打印后缀“/liv”，如何使用正则表达式实现它？

Answer 1

所有 URL 是否都用引号括起来或用空格包围？如果是这样，你可以这样做:

re.findall(r'(?P<quote>.)(https?://\S+?)(?P=quote)', url)

如果您要获取所有匹配项的字符串表示形式，而不仅仅是第二组，则必须使用 ...[1:-1] 对其进行修剪。