如何检查字符串是否为URL
方法一：使用Python自带的re库进行URL正则匹配
正则表达式可以识别并匹配形如 URL 的字符，将 URL 从文本中提取出来。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import re
def is_url_regex(string):
"""
判断字符串是否为URL的正则表达式匹配方法
"""
regex = (
r'^https?:\/\/(?:www\.)?'
r'(?:(?:[A-Z\d][A-Z\d-]{0,61}[A-Z\d]\.)|[A-Z\d]\.)'
r'+[A-Z]{2,6}(?::\d+)?'
r'(?:\/[-a-zA-Z\d%_.~+]*)*'
r'(?:\?[;&a-zA-Z\d%_.~+=-]*)?'
r'(?:#[-a-zA-Z\d_]*)?$')
return re.match(regex, string, re.IGNORECASE)
上述方法使用了正则表达式，对字符串中可能出现的 URL 进行了匹配。其缺点在于代码可读性较差，且在实际代码中可能需要根据实际情况进行相应的修改，适用性较为有限。
方法二：使用Python的urllib库进行URL处理
urllib 是 Python 的一个标准库，提供了一系列操作 URL 的函数，包括 URL 编解码、URL 解析、发送 HTTP 请求等功能。使用此库，可以便捷的对字符串中的 URL 进行处理。
1
2
3
4
5
6
7
8
9
10
11
12
from urllib.parse import urlparse
def is_url_urllib(string):
"""
判断字符串是否为URL的urllib库方法
"""
try:
result = urlparse(string)
return all([result.scheme, result.netloc])
except ValueError:
return False
上述方法使用 urllib 库的 urlparse 函数，将输入的字符串解析成 URL 元组，再判断是否有协议和网络位置字段，以判断该字符串是否为 URL。相较于正则表达式，此种方法可读性更高，适用性更广。
如何对字符串中的URL进行提取和解析
当在程序中识别了字符串中的 URL 后，就需要对这些URL进行相应的处理。例如，可以获取其域名、协议、路径等信息，以便后续的操作。此时，可以通过 Python 标准库中的 urllib 库，灵活的对 URL 进行提取和解析。
1
2
3
4
5
6
7
8
9
from urllib.parse import urlparse
url = "https://stackoverflow.com/questions/123456/test-url-extract"
parsed_url = urlparse(url)
print(parsed_url.scheme) # 打印URL协议，输出https
print(parsed_url.netloc) # 打印网络位置，输出stackoverflow.com
print(parsed_url.path) # 打印URL路径，输出/questions/123456/test-url-extract
上述代码中，我们利用 Python 中的 urllib 库中的 urlparse 函数，对 URL 进行了解析，将其各个部分提取出来，并进行了打印输出。
通过对解析结果的分析，可以发现 urlparse 函数将 URL 解析成了一个元组对象，包含了其协议、网络地址、路径、参数、查询字符串和锚点等各个部分。利用此元组对象，可以灵活的对 URL 进行处理和操作。
相关链接：
Python程序检查字符串中的URL
