如何用正则表达式从类字典字符串中提取所有URL？

嘿，我知道你在处理这个类字典格式的字符串时，遇到了正则只能提取部分URL的问题，这就给你一个靠谱的解决方案！

问题分析 #

先看你的目标字符串结构：每个URL都严格包裹在url:'...'的格式里，URL本身以https://开头，并且内部没有单引号（从示例内容来看）。之前的正则可能因为匹配范围不够精准，导致漏抓或者误抓。

可行的正则表达式 #

这里推荐使用这个正则来精准捕获所有URL：

url:'(https://[^']+)'

正则解释：

• url:'：精准匹配URL的前缀标识，确保我们只找url:后面的链接
• (https://[^']+)：捕获组，其中：
  • https://：匹配URL的协议部分，确保只提取HTTPS链接
  • [^']+：匹配除单引号之外的任意字符，直到遇到下一个单引号为止，完美适配你的字符串中URL被单引号包裹的结构

代码示例（Python） #

直接用re.findall就能一次性提取所有URL：

import re

s = "'0352442':{url:'https://www.riteaid.com/shop/nexium-24hr-42-ct-capsules-0352442'},'0370009':{url:'https://www.riteaid.com/shop/rite-aid-pharmacy-epsom-salt-first-aid-6-lb-2-72-kg-0370009'},'0303249':{url:'https://www.riteaid.com/shop/huggies-natural-care-unscented-baby-wipes-soft-pack-56-count-0303249'},'0398568':{url:'https://www.riteaid.com/shop/rite-aid-sterile-pads-4-x4-25-ea-0398568'},}"

# 提取所有URL
extracted_urls = re.findall(r"url:'(https://[^']+)'", s)

# 输出结果
for idx, url in enumerate(extracted_urls, 1):
    print(f"URL {idx}: {url}")

运行这段代码后，你会得到所有4个URL，一个都不会漏！

额外说明 #

如果你的URL中可能包含单引号（虽然示例里没有），那这个正则需要调整，但从你给出的输入来看，这个方案完全够用。如果后续有特殊情况，我们可以再优化正则逻辑~

内容的提问来源于stack exchange，提问作者haluan