Solucionado
Na aula, o professor utiliza o seguinte padrão para validar se a url é válida.
padrao = re.compile(“(http(s)?://)?(www.)?bytebank.com(.br)?”)Mas como faríamos para validar qualquer url? Neste caso, no lugar de bytebank, poderia ser qualquer outro endereço. Como eu poderia especificar que meu padrão pode conter qualquer caracter n vezes?
Algo como:
padrao = re.compile(“(http(s)?://)?(www.)?(qualquer string).com(.br)?”)
Desde que tenha um ? após os parênteteses
padrao = re.compile(“(http(s)?://)?(www.)?(qualquerstring)?.com(.br)?”)Não, mas daí eu preciso especificar o "qualquerstring" certo?
O que eu quero é poder passar qualquer url... www.abc.com ou www.google.com ou www.facebook.com, etc.
Para qualquer uma dessas Url eu obteria um "match". Como colocar no padrão que qualquer string é aceitável?
Ah sim...
Nos seus exemplos no caso você está querendo validar apenas o "www." e o ".com" por exemplo, o que está entre eles você quer ignorar:
padrao_url = re.compile('(www.)IGNORAR(.com)')
Aqui você possui uma alternativa de solução, já que o domínio entre as condições (www. e .com) não interessa na validação, você pode recortar a URL nesse pedaço e adicionar ela em uma variável que vamos chamar de pattern, e adicionar essa variável dentro da condição. por exemplo:
url = 'www.facebook.com'
pattern = 'facebook'
padrao_url = re.compile(f'(www.){pattern}(.com)')ou
url = 'www.google.com'
pattern = 'google'
padrao_url = re.compile(f'(www.){pattern}(.com)')Ah boa!! Agora deu certo.. Valeu !!! Coloquei também uma condição pra extrair a pattern automaticamente(Nesse caso desconsiderando a possibilidade de haver um https://).
url = 'www.google.com'
if 'www.' in url:
index_start = url.find('www.') + len('www.')
else:
index_start = 0
index_end = url.find('.com')
pattern = url[index_start:index_end]
url_pattern = re.compile(f'(www.){pattern}(.com)')