Python如何循环读取无限多行输入并单独提取其中的URL地址

原有方案存在两个核心问题，无法满足需求：

• 以空行作为输入终止判断条件，既不符合“无限多行输入”的要求，也无法处理内容中本身包含空行的场景
• 仅完成了输入内容的拼接存储，没有实现URL提取的核心逻辑

具体实现代码 #

直接用Python标准库即可实现，不需要安装第三方依赖：

import re

# 预编译URL匹配规则，覆盖绝大多数HTTP/HTTPS协议的URL场景
url_match_rule = re.compile(r'https?://(?:[-\w.]|(?:%[\da-fA-F]{2}))+[/\w\-\.?=&%#]*')
url_result = []

while True:
    try:
        line_content = input()
        # 逐行提取匹配到的URL，追加到结果列表
        url_result.extend(url_match_rule.findall(line_content))
    except EOFError:
        # 捕获输入终止信号：用户按Ctrl+D（macOS/Linux）/Ctrl+Z后回车（Windows）时结束读取
        break

# 如需保留重复URL，可注释掉下方去重代码
url_result = list(dict.fromkeys(url_result))

# 输出结果
print("提取完成，共获取到以下URL：")
for index, single_url in enumerate(url_result, start=1):
    print(f"{index}. {single_url}")

方案说明 #

• 输入读取逻辑不再以空行作为中断条件，支持任意行数的输入，中间夹杂空行也不会影响读取流程
• 采用逐行匹配的方式提取URL，不需要把所有输入内容全量加载到内存拼接，大文本输入下内存占用更低、运行速度更快
• 默认对结果做了顺序去重，不会打乱URL首次出现的顺序；如果需要保留重复出现的URL，注释掉对应去重代码即可
• 如果需要提取FTP、SSH等其他协议开头的URL，只需要修改正则规则的协议匹配部分即可

内容的提问来源于stack exchange，提问作者pavel