一、引言 

对于算法工程师来说，语言从来都不是关键，关键是快速学习以及解决问题的能力。大学的时候参加ACM/ICPC一直使用的是C语言，实习的时候做一个算法策略后台用的是php，毕业后做策略算法开发，因为要用spark，所以写了scala，后来用基于storm开发实时策略，用的java。至于python，从日常用hive做数据策略用python写udf，到基于tensorflow深度学习框架写python版的模型网络，再到现在实用pytorch做大模型。眼看着在语言纷争中，python的应用越来越广，开一个单独的专栏用于记录python中常用到的技巧，算是做笔记，没事翻出来看看。

本文重点介绍如何使用python正则表达式re提取一段内容中的链接。

二、参数解析器（ArgumentParser）

2.1 概述

我们日常处理的文本中，有很多内容和链接混合在一起的情况，有时需要我们提取链接，获取链接内的内容，有时希望把链接去掉，今天看一段分离内容和链接的代码。

2.2 代码示例

import redef extract_links(text):# 正则表达式匹配URLpattern = r'http[s]?://(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*\\(\\),]|(?:%[0-9a-fA-F][0-9a-fA-F]))+'# 查找所有匹配的URLlinks = re.findall(pattern, text)text_blocks = re.split(pattern, text)combined_text = ''.join(text_blocks)return links,combined_text# 测试函数
text = "这是一个https://hhhh.org段网络上的内容，https://www.example.org里面偷偷卖了一个卖货的链接"
print(extract_links(text))

这里重点看一下正则表达式部分，主要思路是先将http://链接头分离出来，接着枚举所有链接可能出现的字母、数字、常用符号、特殊符号、空格、十六进制数字等，最后用+表示以上字符可以出现一次或多次，具体如下：

• http[s]?://：这部分匹配URL的协议部分，即http://或https://。s?表示s是可选的，即可以有也可以没有。
• (?:...)：这是一个非捕获分组，意味着它不会捕获匹配的文本，只用于分组表达式以应用量词或其他操作。
• [a-zA-Z]|[0-9]：这部分匹配字母或数字，|表示或，即匹配其中任何一个。
• [$-_@.&+]：这部分匹配特定的符号，包括$、-、_、@、.、&和+。
• [!*\\(\\),]：这部分匹配更多的符号，包括!、*、\、(、)和,。
• (?:%[0-9a-fA-F][0-9a-fA-F])：这部分用于匹配URL编码的字符，如%20代表空格。[0-9a-fA-F]匹配十六进制数字。
• +：这是一个量词，表示前面的模式可以出现一次或多次。 

三、总结

本文以一个简单的python脚本演示如何通过正则表达式re库分离内容中的文本和链接，希望可以帮助到您。

《AI—工程篇》

AI智能体研发之路-工程篇（一）：Docker助力AI智能体开发提效

AI智能体研发之路-工程篇（二）：Dify智能体开发平台一键部署

AI智能体研发之路-工程篇（三）：大模型推理服务框架Ollama一键部署

AI智能体研发之路-工程篇（四）：大模型推理服务框架Xinference一键部署

AI智能体研发之路-工程篇（五）：大模型推理服务框架LocalAI一键部署

《AI-模型篇》

AI智能体研发之路-模型篇（一）：大模型训练框架LLaMA-Factory在国内网络环境下的安装、部署及使用

AI智能体研发之路-模型篇（二）：DeepSeek-V2-Chat 训练与推理实战

AI智能体研发之路-模型篇（三）：中文大模型开、闭源之争

AI智能体研发之路-模型篇（四）：一文入门pytorch开发

AI智能体研发之路-模型篇（五）：pytorch vs tensorflow框架DNN网络结构源码级对比

AI智能体研发之路-模型篇（六）：【机器学习】基于tensorflow实现你的第一个DNN网络

AI智能体研发之路-模型篇（七）：【机器学习】基于YOLOv10实现你的第一个视觉AI大模型

AI智能体研发之路-模型篇（八）：【机器学习】Qwen1.5-14B-Chat大模型训练与推理实战