適切なリンクにそれらを変更し、URLを含む文字列を解析する方法

Question

のは、私はTwitterから次の文字列があるとしましょう：私は<a href="link">link</a>にこのリンクを変更し、この文字列を解析するにはどうすればよい

"This is my sample test blah blah http://t.co/pE6JSwG , hello all"

を？ここでは、ユーザのタグを解析するコードは次のとおりです。

tweet = s.text; 
    user_regex = re.compile(r'@[0-9a-zA-Z+_]*',re.IGNORECASE) 

    for tt in user_regex.finditer(tweet): 
     url_tweet = tt.group(0).replace('@','') 
     tweet = tweet.replace(tt.group(0), 
      '<a href="http://twitter.com/'+ 
      url_tweet+'" title="'+ 
      tt.group(0)+'">'+ 
      tt.group(0)+'</a>') 

とURLのための私の現在の正規表現：

http_regex = re.compile(r'[A-Za-z]+:\/\/[A-Za-z0-9-_]+\.[A-Za-z0-9-_:%&\?\/.=]*', re.IGNORECASE) 

Answer 1

>>> test = "This is my sample test blah blah http://t.co/pE6JSwG, hello all" 

>>> re.sub('http://[^ ,]*', lambda t: "<a href='%s'>%s</a>" % (t.group(0), t.group(0)), test) 

>>> This is my sample test blah blah <a href='http://t.co/pE6JSwG'>http://t.co/pE6JSwG</a>, hello all 

これは、カンマのような文字とスペースをあなたのURLに有効な停止ポイントと見なす場合にのみ有効です。

一般に、URLマッチングには正規表現を使用しないでください。なぜなら、URLの終わりを知る良い方法がないからです。毎回同じ形式の文字列を使用することが保証されている場合は、この解決方法が有効です。同じ長さのURLを常に取得することもできます。この場合、httpを探してから、その長さの部分文字列を収集することができます。

Answer 2

おそらく、あなたはdjango-oembedプロジェクトのソースコードからインスピレーションを得ることができます。