Python正则表达式捕获各种url模式组

我有包含这样的字符串的数据集，我想从中删除所有网址

http://google.com having trouble finding regex https://google.com for this case http // google com / test some gibberish https // google . com / test / test1 great http.//google.org

现在，我使用这个正则表达式模式来查找所有网址：

https?:?\s?\/\/\s?\S+

现在，理想情况下，它应该捕获所有 url，例如在本例中，

• http://google.com

• https://google.com

• http // google com / test

• https // google . com / test / test1

• http.//google.org

但使用我的正则表达式模式，它仅捕获

• http://google.com

• https://google.com

• http // google

• https // google

Link to .

您可以使用

https?[:.]?\s?\/\/(?:\s*[^\/\s.]+)+(?:\s*\.\s*[^\/\s.]+)*(?:\s*\/\s*[^\/\s]+)*

See the 正则表达式演示 https://regex101.com/r/syMCD7/3.

Details

• https? - http or https
• [:.]?- 可选的: or .
• \s?- 可选的空白 -\/\/ - //字符序列
• (?:\s*[^\/\s.]+)+ - (to match all domain name parts till the last . before TLD) 1 or more occurrences of
  • \s*- 0个或多个空格
  • [^\/\s.]+- 1 个或多个字符以外的字符/, .和空白
• (?:\s*\.\s*[^\/\s.]+)* - 0 or more sequences of
  • \s*\.\s*- 一个由 0+ 个空格包围的点
  • [^\/\s.]+- 1 个或多个字符以外的字符/, .和空白
• (?:\s*\/\s*[^\/\s]+)* - 0 or more sequences of
  • \s*\/\s* - a /包含 0+ 个空格
  • [^\/\s]+- 1 个或多个字符以外的字符/和空白