有一个文本，里面存放了很多的字符串，有的是以http开头的，有些不是，如何过滤出url呢？

比如一个文本test.txt,里面的内容为：

http://www.sogou.com
this is a url
this is http://www.sogou.com address

第一种方式是，判断包含：

#encoding: utf-8

with open("test.txt", "r") as f:
content = f.readlines()
for line in content:
     if "http" in line:
         print(line)

输出为：

http://www.sogou.com
this is http://www.sogou.com address

如果只获取以http开头的，那么：

#encoding: utf-8
import  re
with open("test.txt", "r") as f:
content = f.readlines()
for line in content:
    r = re.match("http", line)
    if r != None:
        print(line)

输出为：

http://www.sogou.com

re.match, 从开头匹配字符串，如果匹配到返回匹配到的对象。没有匹配到返回None。

有没有更简单的方式呢？

#encoding: utf-8
with open("test.txt", "r") as f:
    content = f.readlines()
    for line in content:
        if line.startswith("http"):
            print(line)

同样输出为：

http://www.sogou.com

既然有startswith，那么有没有判断结尾的呢？

答案是当然的。

#encoding: utf-8
with open("test.txt", "r") as f:
    content = f.readlines()
    for line in content:
        if line.replace("\n","").endswith("com"):
            print(line)

这里要注意的是，每行结束会有一个换行符，因此要替换掉。

虽然从代码行数上，区别不是太大，但是从方法名称的理解上，startswith和endswith，更容易一些。

如果要匹配多个字符怎么办？

比如文本内容为：

http://www.sogou.com
this is a url
this is http://www.sogou.com address
ftp://www.sogou.com

#encoding: utf-8
with open("test.txt", "r") as f:
    content = f.readlines()
    for line in content:
        if line.startswith(("http", "ftp")):
            print(line)

只需要传参数为元组，包含要匹配的字串即可。

来自个人公众账号：testplan