[Python] URLを正規表現で抽出する方法

import re
# サンプル文字列
text = "Pythonで正規表現を使ってURLを抽出します。"
# 正規表現パターン
pattern = r"URL"
# search関数を使ってパターンを検索
match = re.search(pattern, text)
# マッチした場合の処理
if match:
    print("マッチした部分:", match.group())
else:
    print("マッチしませんでした。")

マッチした部分: URL

import re
# URLを抽出するための正規表現パターン
url_pattern = r"https?://[^\s/$.?#].[^\s]*"
# サンプル文字列
text = "こちらのリンクを参照してください: https://example.com/path?query=1#section"
# findall関数を使ってURLを抽出
urls = re.findall(url_pattern, text)
# 抽出したURLを表示
print("抽出したURL:", urls)

抽出したURL: ['https://example.com/path?query=1#section']

import re
# 特殊なURLを抽出するための正規表現パターン
special_url_pattern = r"https?://(?:[0-9]{1,3}\.){3}[0-9]{1,3}(:[0-9]+)?|https?://[^\s/$.?#].[^\s]*(:[0-9]+)?"
# サンプル文字列
text = "IPアドレス形式のURL: http://192.168.1.1:8080 と通常のURL: https://example.com:8080"
# findall関数を使ってURLを抽出
special_urls = re.findall(special_url_pattern, text)
# 抽出したURLを表示
print("抽出した特殊なURL:", special_urls)

抽出した特殊なURL: ['http://192.168.1.1:8080', 'https://example.com:8080']

import re
# URLを抽出するための正規表現パターン
url_pattern = r"https?://[^\s/$.?#].[^\s]*"
# サンプル文字列
text = "こちらのリンクを参照してください: https://example.com と http://example.org"
# findall関数を使ってURLを抽出
urls = re.findall(url_pattern, text)
# 抽出したURLを表示
print("抽出したURL:", urls)

抽出したURL: ['https://example.com', 'http://example.org']

import re
# サンプル文字列
text = "Visit https://example.com for more information."
# search関数を使ってパターンを検索
search_result = re.search(r"https?://[^\s]+", text)
# match関数を使ってパターンを検索
match_result = re.match(r"https?://[^\s]+", text)
# 結果を表示
print("searchの結果:", search_result.group() if search_result else "マッチしませんでした。")
print("matchの結果:", match_result.group() if match_result else "マッチしませんでした。")

searchの結果: https://example.com
matchの結果: マッチしませんでした。

import re
# URLを抽出するための正規表現パターン
url_pattern = r"https?://[^\s/$.?#].[^\s]*"
# サンプル文字列
text = "こちらのリンクを参照してください: https://example.com と http://example.org"
# findall関数を使ってURLを抽出
urls = re.findall(url_pattern, text)
# 抽出したURLをファイルに書き出す
with open("extracted_urls.txt", "w") as file:
    for url in urls:
        file.write(url + "\n")
print("URLをファイルに書き出しました。")

import re
# URLを抽出するための正規表現パターン
url_pattern = r"https?://[^\s/$.?#].[^\s]*"
# サンプル文字列(単一のURLを含む)
text = "公式サイトはこちら: https://example.com"
# search関数を使ってURLを抽出
match = re.search(url_pattern, text)
# マッチしたURLを表示
if match:
    print("抽出したURL:", match.group())
else:
    print("URLが見つかりませんでした。")

抽出したURL: https://example.com

import re
# URLを抽出するための正規表現パターン
url_pattern = r"https?://[^\s/$.?#].[^\s]*"
# サンプル文字列(複数のURLを含む)
text = "こちらのリンクを参照してください: https://example.com と http://example.org"
# findall関数を使ってすべてのURLを抽出
urls = re.findall(url_pattern, text)
# 抽出したURLを表示
print("抽出したURL:", urls)

抽出したURL: ['https://example.com', 'http://example.org']

import re
# URLを抽出するための正規表現パターン
url_pattern = r"https?://[^\s/$.?#].[^\s]*"
# ファイルからテキストを読み込む
with open("sample_text.txt", "r", encoding="utf-8") as file:
    text = file.read()
# findall関数を使ってファイル内のすべてのURLを抽出
urls = re.findall(url_pattern, text)
# 抽出したURLを表示
print("ファイル内の抽出したURL:", urls)

import re
# URLのバリデーション用正規表現パターン
url_pattern = r"^(https?://)?([a-zA-Z0-9-]+\.)+[a-zA-Z]{2,6}(/.*)?$"
# サンプルURL
urls = ["https://example.com", "ftp://example.com", "http://invalid-url", "https://valid-url.org/path"]
# URLのバリデーションを行う
for url in urls:
    if re.match(url_pattern, url):
        print(f"有効なURL: {url}")
    else:
        print(f"無効なURL: {url}")

有効なURL: https://example.com
無効なURL: ftp://example.com
無効なURL: http://invalid-url
有効なURL: https://valid-url.org/path

import re
# 特定のドメインを持つURLを抽出するための正規表現パターン
domain_pattern = r"https?://(www\.)?example\.com[^\s]*"
# サンプル文字列
text = "Visit https://example.com and https://www.example.com/path for more info. Also check http://other.com."
# findall関数を使って特定のドメインのURLを抽出
urls = re.findall(domain_pattern, text)
# 抽出したURLを表示
print("特定のドメインのURL:", urls)

特定のドメインのURL: ['https://example.com', 'https://www.example.com/path']

import re
# プロトコル別にURLを抽出するための正規表現パターン
http_pattern = r"http://[^\s/$.?#].[^\s]*"
https_pattern = r"https://[^\s/$.?#].[^\s]*"
# サンプル文字列
text = "Secure site: https://secure.com and non-secure site: http://nonsecure.com"
# findall関数を使ってプロトコル別にURLを抽出
http_urls = re.findall(http_pattern, text)
https_urls = re.findall(https_pattern, text)
# 抽出したURLを表示
print("HTTPのURL:", http_urls)
print("HTTPSのURL:", https_urls)

HTTPのURL: ['http://nonsecure.com']
HTTPSのURL: ['https://secure.com']