我正在编写一个Python代码,从一个输入文件中提取所有url,其中包含来自Twitter(Tweets)的内容或文本。然而,在这样做的时候,我意识到在python列表中提取的几个URL在结尾处有“特殊字符”或“标点符号”,因此我无法通过它们进一步解析来获得基本URL链接。我的问题是:“如何识别和删除列表中每个URL末尾的特殊字符”?在
电流输出:['https://twitter.com/GVNyqWEu5u', 'https://twitter.com/GVNyqWEu5u'', 'https://twitter.com/GVNyqWEu5u@#', 'https://twitter.com/GVNyqWEu5u"']
期望输出:
^{pr2}$
您应该注意,不是“当前输出”列表中的所有元素都在末尾有特殊字符/标点符号。任务是识别并仅从拥有这些字符/标点的列表元素中删除这些字符/标点符号。在
我使用以下Regex从Tweet文本中提取twitter url:lst = re.findall('(http.?://[^\s]+)', text)
我是否可以删除此步骤末尾的特殊标点符号?在
完整代码:import urllib.request, urllib.parse, urllib.error
from bs4 import BeautifulSoup
from socket import timeout
import ssl
import re
import csv
ctx = ssl.create_default_context()
ctx.check