python - 使用 Python re.match 提取字符串

Question

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

我要提取字符串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，我基本上想要由 // 和 / 界定的东西。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。

Answer 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线字符。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 .。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之外的所有内容(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)