Python中使用re.findall正则提取完整Gamivo链接的实现问题

问题根因 #

• 原正则开头多余的/符号，导致无法匹配到https://开头的完整链接前缀
• 正则内包含多个捕获组，findall方法遇到多捕获组时会返回所有组的匹配结果元组，而非完整匹配内容
• http[s]?:\/\/被设为可选匹配，导致完整前缀未被捕获

基础修改方案（匹配原文本原生带www的链接） #

import regex
frase = "text https://www.gamivo.com/product/sea-of-thieves-pc-xbox-one other text https://www.gamivo.com/product/fifa-21-origin-eng-pl-cz-tr"
# 正则使用非捕获组处理www可选逻辑，仅保留1个捕获组返回完整链接
x = regex.findall(r"(https?://(?:www\.)?gamivo\.com\S*)", frase) 
# 转换为列表嵌套元组的目标输出格式
output = [tuple(x)]
print(output)

运行输出：

[('https://www.gamivo.com/product/sea-of-thieves-pc-xbox-one', 'https://www.gamivo.com/product/fifa-21-origin-eng-pl-cz-tr')]

完全匹配期望输出方案（统一去掉链接中的www前缀） #

import regex
frase = "text https://www.gamivo.com/product/sea-of-thieves-pc-xbox-one other text https://www.gamivo.com/product/fifa-21-origin-eng-pl-cz-tr"
x = regex.findall(r"https?://(?:www\.)?gamivo\.com\S*", frase) 
# 替换www前缀后转换格式
output = [tuple(url.replace("www.", "") for url in x)]
print(output)

运行输出：

[('https://gamivo.com/product/sea-of-thieves-pc-xbox-one', 'https://gamivo.com/product/fifa-21-origin-eng-pl-cz-tr')]

内容的提问来源于stack exchange，提问作者Diego