Python 正则表达式从文本中提取域

我有以下正则表达式：

r'(?:[a-zA-Z0-9](?:[a-zA-Z0-9\-]{,61}[a-zA-Z0-9])?\.)+[a-zA-Z]{2,6}'

当我将其应用于文本字符串时，比方说， “这是 www.website1.com，这是 website2.com”，我得到：

['www.website1.com']

['website.com']

我如何修改正则表达式以排除'www'，这样我就得到'website1.com' and 'website2.com？我错过了一些非常基本的东西......

试试这个（感谢@SunDeep 的更新）：

\s(?:www.)?(\w+.com)

解释

\s匹配任何空白字符

(?:www.)?非捕获组，比赛www.0次或多次

(\w+.com)匹配任何单词字符一次或多次，后跟.com

并在行动中：

import re

s = 'this is www.website1.com and this is website2.com'

matches = re.findall(r'\s(?:www.)?(\w+.com)', s)
print(matches)

Output:

['website1.com', 'website2.com']

关于这一点有几点说明。首先，匹配所有有效域名是非常困难的，所以虽然我选择使用\w+为了捕捉这个例子，我可以选择类似的东西：[a-zA-Z0-9][a-zA-Z0-9-]{1,61}[a-zA-Z0-9]\.[a-zA-Z]{2,}.

这个答案有很多关于匹配域的有用信息：什么是匹配不带子域的有效域名的正则表达式？ https://stackoverflow.com/questions/10306690/what-is-a-regular-expression-which-will-match-a-valid-domain-name-without-a-subd

接下来我只寻找.com域，您可以将我的正则表达式调整为：

\s(?:www.)?(\w+.(com|org|net))

匹配您正在寻找的任何类型的域名。