如何从Python中的字符串中删除一些URL

我有一个文本，我想从中删除URL，但我有问题。如何从Python中的字符串中删除一些URL

document = re.sub('[^a-z]|http:\/\/\w+.\w+\/\w*', ' ', document)

IGOT：文件= 'RT @prettycolleges：凤凰城大学http://t.co/d5wxsy332r好'

>> 'rt prettycolleges university of phoenix http  t co d wxsy r good'

，但我想这样的结果：rt prettycolleges university of phoenix good

什么我应该怎么做？

来源

2013-12-17 user3092781

你可以使用像

一个正则表达式'\ S * HTTP：//.* \ s？（查找有一个URL字符串 - HTTP：// - 它与空白结束）

，且因为子功能取代你在找什么，代码应该是：

import re 
document = 'rt @prettycolleges: university of phoenix http://t.co/d5wxsy332r good' 

print re.sub(r'http:\\*/\\*/.*?\s', ' ', document) ## note the r (raw string) 
>> 'rt @prettycolleges: university of phoenix good'

来源

2013-12-17 03:32:24 azuax

它只是为了我所提到的例子中工作，但新的例子实在不行。 document ='rt @beasiswaindo：http：\/\/t.co \/uio40rq8hc beasiswa full s2 w的大学' – user3092781

那是因为url不是以http：//开头的（你已经跳过了斜杠）。我会编辑我的答案，所以也可以在这种情况下工作 – azuax

如何从Python中的字符串中删除一些URL

回答

相关问题