Чтобы найти веб-URL в общей строке, вы можете использовать регулярное выражение (регулярное выражение) .
Простое регулярное выражение для сопоставления URL, как показано ниже, должно соответствовать вашему случаю.
regex = r'('
# Scheme (HTTP, HTTPS, FTP and SFTP):
regex += r'(?:(https?|s?ftp):\/\/)?'
# www:
regex += r'(?:www\.)?'
regex += r'('
# Host and domain (including ccSLD):
regex += r'(?:(?:[A-Z0-9][A-Z0-9-]{0,61}[A-Z0-9]\.)+)'
# TLD:
regex += r'([A-Z]{2,6})'
# IP Address:
regex += r'|(?:\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3})'
regex += r')'
# Port:
regex += r'(?::(\d{1,5}))?'
# Query path:
regex += r'(?:(\/\S+)*)'
regex += r')'
Если вы хотите быть еще более точным, в разделе TLD вы должны убедиться, что TLD является действительным TLD (полный список действительных TLD см. Здесь: https://data.iana.org/TLD/tlds-alpha-by-domain.txt):
# TLD:
regex += r'(com|net|org|eu|...)'
Затем вы можете просто скомпилировать прежнее регулярное выражение и использовать его для поиска возможных совпадений:
import re
string = "This is a link http://www.google.com"
find_urls_in_string = re.compile(regex, re.IGNORECASE)
url = find_urls_in_string.search(string)
if url is not None and url.group(0) is not None:
print("URL parts: " + str(url.groups()))
print("URL" + url.group(0).strip())
Который, в случае строки "Это ссылка http://www.google.com" выведет:
URL parts: ('http://www.google.com', 'http', 'google.com', 'com', None, None)
URL: http://www.google.com
Если вы измените ввод с более сложным URL-адресом, например "Это также URL https://www.host.domain.com:80/path/page.php?query=value&a2=v2#foo, но это больше не так" , вывод будет:
URL parts: ('https://www.host.domain.com:80/path/page.php?query=value&a2=v2#foo', 'https', 'host.domain.com', 'com', '80', '/path/page.php?query=value&a2=v2#foo')
URL: https://www.host.domain.com:80/path/page.php?query=value&a2=v2#foo
ПРИМЕЧАНИЕ: Если вы ищете дополнительные URL-адреса в одной строке, вы все равно можете использовать то же регулярное выражение, но просто используйте findall () вместо search ( ) .