Python的正则表达式错误

Question

我正在寻找Python中的URL正则表达式，在读取堆栈溢出后我决定采用这一个：http://daringfireball.net/2010/07/improved_regex_for_matching_urls并在我的Python代码中使用它。

我已经把这样的事情：

SyntaxError: Non-ASCII character ' \xe2 ' in file file.py on line 60, but no encoding declared; see http://www.python.org/peps/pep-0263.html for details

的是：

reg_url = 
re.compile(r"""((?:[a-z][\w-]+:(?:/{1,3}|[a-z0-9%])|www\d{0,3}[.]|[a-z0-9.\-]+[.‌​][a-z]{2,4}/)(?:[^\s()<>]+|(([^\s()<>]+|(([^\s()<>]+)))\*))+(?:(([^\s()<>]+|(‌​([^\s()<>]+)))\*)|[^\s`!()[]{};:`".,<>?«»“”‘’]))""", 
re.DOTALL) 

（Python 2.7版）

运行我的代码与正则表达式我收到以下错误后解决这个问题的最好方法是什么？

Answer 1

Python在输入编码方面存在问题（2，而不是3），并且在源代码中缺省为ASCII编码。在# encoding: utf-8的行上为文件的第一行或第二行添加注释，然后解决此问题。错误信息中链接的PEP可以很好地解释这一点。

但值得注意的是，您的正则表达式不适用于我，而只是从您链接到的网站复制一个看起来非常不同的网页，确实有效。你有没有考虑过使用urlparse的可能性？

如果你确实想使用正则表达式，请注意以下几点：

regex_a= re.compile(r"(?i)\b((?:[a-z][\w-]+:(?:/{1,3}|[a-z0-9%])|www\d{0,3}[.]|[a-z0-9.\-]+[.][a-z]{2,4}/)(?:[^\s()<>]+|\(([^\s()<>]+|(\([^\s()<>]+\)))*\))+(?:\(([^\s()<>]+|(\([^\s()<>]+\)))*\)|[^\s`!()\[\]{};:'\".,<>?«»“”‘’]))") 
regex_b = re.compile(r"""((?:[a-z][\w-]+:(?:/{1,3}|[a-z0-9%])|www\d{0,3}[.]|[a-z0-9.\-]+[.‌​][a-z]{2,4}/)(?:[^\s()<>]+|(([^\s()<>]+|(([^\s()<>]+)))\*))+(?:(([^\s()<>]+|(‌​([^\s()<>]+)))\*)|[^\s`!()[]{};:`".,<>?«»“”‘’]))""", re.DOTALL) 

regex_a.match("http://www.www.com/thisisatest") # returns a match object 
#regex_b.match("http://www.www.com/thisisatest") # edit: actually, this just hangs... 

似乎有一些大括号，括号，以及已经在您的版本他们摆脱取出支架的还有U + 200C和U + 200B字符。