如何在Python中用正则表达式提取首个特定符号前的完整URL？

你可以用re.search()代替re.findall()，直接匹配完整的第一个URL，不需要手动补前缀，也不用处理返回的列表。

对应的正则模式可以写成：r'https://[^\\]+'

代码示例 #

import re

example_text = 'b\'\\x08\\x13"\\\\https://www.example.com/link_1.html\\xd2\\x01`https://www.example.com/link_2.html\''
match = re.search(r'https://[^\\]+', example_text)
if match:
    output = match.group()
    print(output)  # 输出: https://www.example.com/link_1.html

模式解释 #

• https://：匹配URL的固定前缀，确保捕获完整的URL开头
• [^\\]+：匹配除了反斜杠之外的任意字符，直到遇到第一个反斜杠就停止。刚好对应你场景中第一个URL的结束位置（原字符串里第一个URL后紧跟\\xd2，也就是转义后的反斜杠）

为什么比你之前的写法更好 #

1. 直接捕获完整URL，不用手动拼接https://前缀
2. re.search()只返回第一个匹配的结果，不需要从列表里取第一个元素
3. 逻辑更直观，完全贴合你“匹配以https开头、以反斜杠结尾的URL”的需求

内容的提问来源于stack exchange，提问作者Chi-Yuan Li