Собственно говоря появляются лишние результаты поиска, нужно только доставать ссылки заданного формата из текста.
import re
hl_pattern=r'hl=[a-z]{2}(\-[a-z]{2})?'
http_pattern=r'((http|https):\/\/)?(www\.)?'
login_pattern=r'[a-zA-Z0-9_\.]*[a-zA-Z]+[a-zA-Z0-9_\.]*'
image_hash_pattern=r'[a-zA-Z0-9_\-]*[a-zA-Z]+[a-zA-Z0-9_\-]*'
taken_by_pattern=r'taken-by=[a-zA-Z0-9_\.]*[a-zA-Z]+[a-zA-Z0-9_\.]*'
account_link_pattern=r'\b({0}instagram.com/{1}(\/\?{2})?\/?)\b'.format(http_pattern,login_pattern,hl_pattern)
image_link_pattern=r'\b({0}instagram.com/p/{1}(\/\?{2})?(\/\?{3})?(&{3})?\/?)\b'.format(http_pattern,image_hash_pattern,taken_by_pattern,hl_pattern)
def MainLogic(message):
acc_reg=re.compile(account_link_pattern)
im_reg=re.compile(image_link_pattern)
account_links=re.findall(acc_reg,message)
image_links=re.findall(im_reg,message)
return account_links+image_links
MainLogic('http://instagram.com/mikaev , https://www.instagram.com/p/BXvBcb7jB3x/')
Результат:
[('http://instagram.com/mikaev', 'http://', 'http', '', '', ''),
('https://www.instagram.com/p/', 'https://', 'https', 'www.', '', ''),
('https://www.instagram.com/p/BXvBcb7jB3x',
'https://',
'https',
'www.',
'',
'',
'',
'',
'')]
А нужны только 3 ссылки.
Помогите пожалуйста, спасибо большое!
str.index("instagram.com/")
и поиск от этой позиции до конца ссылки. Зачем здесь регулярки?