如何从包含URL的字符串中提取非URL部分的所有数字字符

• 核心思路是先移除所有URL片段，再从剩余文本中提取数字，避免误提取URL内的数字

完整实现代码 #

import re

test = '4758 11b98https://www.website11/111'
# 第一步：移除所有http/https开头的URL
text_without_url = re.sub(r'https?://\S+', '', test)
# 第二步：提取剩余文本中所有数字并拼接
result = ''.join(re.findall(r'\d', text_without_url))

print(result)

运行输出为47581198，完全符合预期结果。

规则适配说明 #

如果需要兼容更多协议的URL（比如ftp、无协议前缀的www开头链接等），仅需要调整第一步替换URL的正则规则即可，当前规则可覆盖绝大多数标准HTTP/HTTPS链接场景。

内容的提问来源于stack exchange，提问作者Yel