Python正则表达式：字符串不包含“jpg”，必须有“-”和小写

Posted 2023-02-24

【中文标题】Python正则表达式：字符串不包含“jpg”，必须有“-”和小写

【英文标题】：Python regex: string does not contain "jpg" and must have "-" and lowercase

【发布时间】：2011-05-05 18:39:17

【问题描述】：

我在为 django url 找出 python 正则表达式时遇到了麻烦。我有一定的标准，但似乎无法想出神奇的公式。最后，我可以识别哪个页面是 CMS 页面，并将它应该加载的别名 url 传递给 django 函数。

以下是一些可以匹配的有效字符串示例：

关于我们 联系我们 条款和条件 info/learn-more-pg2 info/my-example-url

标准：

必须全部小写 必须包含破折号“-” 可以包含数字、字母和斜线“/” 长度必须至少为 4 个字符，最多 30 个字符 不能包含特殊字符 不能包含以下词语： .jpg .gif .png .css .js

不应匹配的示例：

关于我们（有大写字母） 联系我们（没有破折号） pg（少于 4 个字符） img/bg.gif（包含“.gif”） files/my-styles.css（包含“.css”） my-page@（包含字母、数字、破折号或斜线以外的字符）

我知道这还不是很接近，但这是我所知道的：

(?P<alias>([a-z/-]4,30))

我很抱歉有很大的要求，但我就是无法理解这个正则表达式的东西。

谢谢！

【问题讨论】：

嗯，您要求的一些事情，例如计算字符数，在正则表达式中本来就很难做到。另外，我的理解是网址不区分大小写。 （至少，每当我访问网站并使用大写字母时，我都会到达并且它们都是小写数字。）此外，测试 是否存在“.gif”和喜欢而不是否定它。你能不能先给他们制定一条规则，在到达这条规则之前过滤掉里面有它们的url？

我有另一个 URL 结构，它只包含没有斜杠或破折号的大写字符，并且所有 CMS 页面都是带有破折号的小写字母。此外，长度不是优先事项，如果它不能完成或者它是性能猪，我可以放弃它。

@Tyr：如何在正则表达式中计算字符数？如果您使用的是 Apache（我认为），URL 也不不区分大小写，至少不是域之后的部分。

好吧，我承认我对 Apache 如何处理 url 知之甚少，你可能是对的。我的意思是，正则表达式不能算多于一件事。 （什么正则表达式以任何顺序匹配具有相同数量“a”和“b”的所有字符串？）

【参考方案1】：

我很困惑为什么一些评​​论员发现在正则表达式中很难做到这一点。这正是正则表达式所擅长的。

if re.match(
    r"""^             # match start of the string
    (?=.*-)           # assert that there is a dash
    (?!.*\.(?:jpg|gif|png|css|js))  # assert that these words can't be matched
    [a-z0-9/-]4,30  # match 4-30 of the allowed characters
    $                 # match the end of the string""", 
    subject, re.VERBOSE):
    # Successful match at the start of the string
else:
    # Match attempt failed

不过，由于. 不在允许的字符范围内，因此确实不需要检查被禁止的文件扩展名。

【讨论】：

+1 该死，正则表达式又做了一次 :) 我一直忘记前瞻。 （但是当您要使用 .match 时，您可以删除 ^ 并且最外面的括号可能不平衡，因为最后一个括号在评论中；为什么您在整个正则表达式上使用非分组？）。

或者，如果不使用单一的整体正则表达式，使用更少的 cmets 可能会更具可读性:-)

@delnan：你在这两个方面都是对的。括号是以前版本的遗留物，我现在已经删除了它们。 ^ 确实是不必要的，但因为它不会造成伤害并且意图更清晰，所以我把它留在了。

【参考方案2】：

这是我关于 SO 的第一篇文章。 Pleeaaase，请在需要时纠正我的英语，我确实要求您。

我认为以下任何一个 RE 都适合：

'(?=.4,30\Z)(?=.*-)[-a-z0-9/]+\Z'

'(?=.4,30\Z)[a-z0-9/]\*-[-a-z0-9/]\*\Z'

'(?=.4,30\Z)(?:[a-z0-9/]+|)-[-a-z0-9/]*\Z'