パイソン - 正規表現のページのソースコード内のURLにマッチする

Question

私は与えられたWebページ内のすべてのURLと一致するように、このパターンを使用します。

import re 

source = """ 
<p>https://example.com</p> 
... some code 
<font color="E80000">https://example.com</font></a> 
""" 

urls = re.findall('http[s]?://(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*\(\),]|(?:%[0-9a-fA-F][0-9a-fA-F]))+', source) 

これはかなりよく、今まで私のために働いています。私は時にはそれが正確なURLに一致しないことがわかった。例のようにURLはhttps://example.com</p>とhttps://example.com</font></a>のようにマッチしますが、正規表現の問題点はわかりません。私は別のスタックの質問からこのコードを取った。

Answer 1

あなたは `<` and `>`を一致させることができる範囲を作成する二つのシンボル間の文字クラス、 `[$ -_]`、、およびすべてのASCII数字と大文字の内部にハイフンを使用

import re 

source = """ 
<p>https://example.com</p> 
... some code 
<font color="E80000">https://example.com</font> 
https://example.com</p></a> 
https://example.com</font></a> 
""" 
urls = re.findall('(http|ftp|https)://([\w_-]+(?:(?:\.[\w_-]+)+))([\w.,@?^=%&:/~+#-]*[\w@?^=%&/~+#-])?', source) 
print urls