python - 找到所有用双引号括起来的子字符串，满足python正则表达式中的一些约束

Question

我想找到所有用双引号括起来的子字符串，满足以下两个约束:

1. 以“http”开头的最短子字符串
2. 以“.bmp”或“.jpg”结尾

我的代码如下:

import re
pat = '"(http.+?\.(jpg|bmp))"'  # I don't how to modify this pattern
reg = re.compile(pat)
aa = '"http:afd/aa.bmp" :tt: "kkkk"  ++, "http--test--http:kk/bb.jpg"'
print reg.findall(aa)

我的预期输出是

['http:afd/aa.bmp', 'http:kk/bb.jpg']

但是执行结果是

[('http:afd/aa.bmp', 'bmp'), ('http--test--http:kk/bb.jpg', 'jpg')]

我已经尝试了几种模式，但仍然无法得到我想要的。

我应该如何修改我的代码以获得我期望的结果？谢谢!

Answer 1

在第一个 " 之后使用 [^"]* 否定字符类以保留在双引号子字符串内(注意 - 这仅在没有转义序列的情况下才有效)并到达最后一个 http，然后将其也添加到末尾，以到达尾随的 "。

import re
pat = r'"[^"]*(http.*?\.(?:jpg|bmp))[^"]*"'
reg = re.compile(pat)
aa = '"http:afd/aa.bmp" :tt: "kkkk"  ++, "http--test--http:kk/bb.jpg"'
print reg.findall(aa)
# => ['http:afd/aa.bmp', 'http:kk/bb.jpg']

请参阅Python demo online .

图案详细信息:

• " - 文字双引号
• [^"]* - 除双引号之外的 0+ 个字符，尽可能多，因为 * 是 贪婪量词
• (http.*?\.(?:jpg|bmp)) - 第 1 组(使用 re.findall 提取)匹配:
  • http - 文字子字符串 http
  • .*? - 任何 0+ 个字符，尽可能少(因为 *? 是一个惰性> 量词)
  • \. - 文字点
  • (?:jpg|bmp) - 匹配任一 的非捕获组(因此它匹配的文本无法使用 re.findall 输出) >jpg 或 bmp 子字符串
• [^"]* - 除双引号外的 0+ 个字符，尽可能多
• " - 文字双引号