使用 Python re.match 提取字符串

Posted 2023-02-23

【中文标题】使用 Python re.match 提取字符串

【英文标题】：Extract string with Python re.match

【发布时间】：2012-11-05 14:14:50

【问题描述】：

import re
str="x8f8dL:s://www.qqq.zzz/iziv8ds8f8.dafidsao.dsfsi"

str2=re.match("[a-zA-Z]*//([a-zA-Z]*)",str)
print str2.group()

current result=> error
expected => wwwqqqzzz

我想提取字符串wwwqqqzzz。我该怎么做？

可能有很多点，比如：

"whatever..s#$@.d.:af//wwww.xxx.yn.zsdfsd.asfds.f.ds.fsd.whatever/123.dfiid"

在这种情况下，我基本上想要// 和/ 范围内的东西。我如何做到这一点？

另外一个问题：

import re
str="xxx.yyy.xxx:80"

m = re.search(r"([^:]*)", str)
str2=m.group(0)
print str2
str2=m.group(1)
print str2

好像m.group(0)和m.group(1)是一样的。

【问题讨论】：

你想从最后的字符串中删除点吗？

是的，我只想要//和/之间的纯字符[a-zA-Z]*，在'//'之前有一堆字符，也在'/'之后，

【参考方案1】：

match 尝试匹配 整个 字符串。请改用search。然后，以下模式将符合您的要求：

m = re.search(r"//([^/]*)", str)
print m.group(1)

基本上，我们正在寻找/，然后使用尽可能多的非斜杠字符。并且那些非斜线字符将被捕获到第 1 组中。

事实上，有一种更高级的技术可以做到这一点，但不需要捕获（这通常很耗时）。它使用了所谓的lookbehind：

m = re.search(r"(?<=//)[^/]*", str)
print m.group()

lookarounds 不包含在实际匹配中，因此是所需的结果。

此（或任何其他合理的正则表达式解决方案）不会立即删除 .s。但这可以在第二步中轻松完成：

m = re.search(r"(?<=//)[^/]*", str)
host = m.group()
cleanedHost = host.replace(".", "")

这甚至不需要正则表达式。

当然，如果您想删除除字母和数字以外的所有内容（例如，将www.regular-expressions.info 转换为wwwregularexpressionsinfo），那么您最好使用replace 的正则表达式版本：

cleanedHost = re.sub(r"[^a-zA-Z0-9]+", "", host)

【讨论】：

对不起，我刚看到这个要求。只需运行另一个步骤：resultstr.replace(r".", "")。将在一秒钟内包括在内。

“有一种稍微高级一点的技术可以做同样的事情，但不需要捕获（这通常很耗时）。它使用所谓的lookbehind” - 你有什么要支持的这了？我的直觉和timeit 都告诉我，lookbehinds 比简单的组捕获要慢。

group(0) ,group(1) 是什么意思，在我的情况下 group(0) 结果与 group(1) 相同，添加到问题中

@runco​​de group(0) 为您提供完整的匹配。 group(1) 为您提供与第一组括号内的所有内容匹配的内容。在您的示例中，您将整个模式包装在括号中。因此，两个调用都给出相同的结果。

@lqc，我手头没有任何消息来源。我相信它主要适用于更复杂的模式，其中事物将被多次捕获。毕竟，引擎需要跟踪自进入捕获组以来匹配的内容。我承认，在任何特定情况下，回溯可能效率较低。

【参考方案2】：

print re.sub(r"[.]","",re.search(r"(?<=//).*?(?=/)",str).group(0))

见this demo。

【参考方案3】：

output=re.findall("(?<=//)\w+.*(?=/)",str)

final=re.sub(r"[^a-zA-Z0-9]+", "", output [0])

print final

【参考方案4】：

import re
str_1="x8f8dL:s://www.qqq.zzz/iziv8ds8f8.dafidsao.dsfsi"

str2=re.match(".*//([a-zA-Z.]*)",str_1)
print(str2.group(1).replace('.',''))

【讨论】：

虽然此代码可能会解决问题，但 including an explanation 关于如何以及为什么解决问题将真正有助于提高您的帖子质量，并可能导致更多的赞成票。请记住，您正在为将来的读者回答问题，而不仅仅是现在提出问题的人。请edit您的回答添加解释并说明适用的限制和假设。

【参考方案5】：

import re
str="x8f8dL:s://www.qqq.zzz/iziv8ds8f8.dafidsao.dsfsi"
re.findall('//([a-z.]*)', str)

【讨论】：

虽然代码可能会解决问题，但它本身并不是一个答案。应该始终为其添加解释。