Python：用字符串中的标题名称替换网址

Question

我想从字符串中删除网址，并将它们替换为原始内容的标题。

例如：

mystring = "Ah I like this site: http://www.stackoverflow.com. Also I must say I like http://www.digg.com" 

sanitize(mystring) # it becomes "Ah I like this site: Stack Overflow. Also I must say I like Digg - The Latest News Headlines, Videos and Images" 

对于标题取代网址，我写了这个snipplet：

#get_title: string -> string 
def get_title(url): 
    """Returns the title of the input URL""" 

    output = BeautifulSoup.BeautifulSoup(urllib.urlopen(url)) 
    return output.title.string 

不知何故，我需要这个功能适用于字符串在那里抓到的网址和转换通过get_title标题。

url = re.compile("http:\/\/(.*?)/") 
text = url.sub(get_title, text) 

的：

Answer 1

这里是信息的问题在Python中验证的URL：How do you validate a URL with a regular expression in Python?

urlparse模块可能是你最好的选择。您仍然需要决定应用程序上下文中构成有效url的内容。

要检查URL的字符串，您将希望遍历字符串中的每个单词检查它，然后用标题替换有效的URL。

示例代码（你需要写valid_url）：

def sanitize(mystring): 
    for word in mystring.split(" "): 
    if valid_url(word): 
     mystring = mystring.replace(word, get_title(word)) 
    return mystring 

Answer 2

你或许可以这样使用正则表达式和替换（应用re.sub接受一个函数，该函数将被传递的匹配对象每次出现，并返回字符串用来替换）解决困难的事情是创建一个匹配URL的正则表达式，而不是更多，而不是更少。