主页 / 问题 / 1373776
Accepted
Елена Сергеева
Asked:2022-06-21 21:56:45 +0000 UTC2022-06-21 21:56:45 +0000 UTC

正则表达式中缺少什么？

  • 772

有一个清单

urls = ['abc.ru/v2', 'abc.com/er.tyre.6/title/86348', 'ab.com/test/ertg.yeg/title/86348', 'abc.com/feed?app_id=57655', 'bcd.ru/467', 'abc.com/shth/5583628', 'abc.com/jhydhf']

有代码

urls = [url for url in urls if re.search(r'((abc\.com/|ab\.com/)+[\.a-zA-Z\d]+(/title/\d{5})+)', url) and not re.search(r'[?=%-]', url)]

我得到以下结果

['abc.com/er.tyre.6/title/86348']

常规赛缺少什么让“ab.com/test/ertg.yeg/title/86348”也包含在最终名单中？

test 是一个可以在链接中出现 0 或 1 次的词

PS昨天我问了一个类似的问题，但我没有完全理解

python

1 个回答

  1. Best Answer

    让我们尝试找出表达式有什么问题：

    ((abc\.com/|ab\.com/)+[\.a-zA-Z\d]+(/title/\d{5})+)

    该组本身(abc\.com/|ab\.com/)仅在地址中的一个字符不同c，它可以替换为abc?\.com/- 在这种情况下，问号是前一个字符出现 0 或 1 次的量词。
    此外，如果 test 是 url 的静态部分并且应该始终位于地址由四个嵌套组成的位置，那么应该添加一个新组，(test/)?其中包含类似于 0 或 1 次出现的量词。通过添加 可以使组不可捕获?:。然后表达式将如下所示：

    (abc?\.com/(?:test/)?[\.a-zA-Z\d]+(/title/\d{5}))

    示例：regex101.com/v2

    如果地址的嵌套test不是静态的并且名称未知，那么您应该(?:/[\.a-zA-Z\d]+){1,2}通过为 1 或 2 个匹配项设置一个量词来创建一个新组。然后表达式将如下所示：

    (abc?\.com(?:/[\.a-zA-Z\d]+){1,2}(/title/\d{5}))

    示例：regex101.com/v1

    评论后更新：如果地址是不同的，例如 domain.com/ 或 niamod.ru，那么组当然必须离开：

    //для первого случая
((?:abc\.com|ab\.com)/(?:test/)?[\.a-zA-Z\d]+(/title/\d{5}))

//для второго случая
((?:abc\.com|ab\.com)(?:/[\.a-zA-Z\d]+){1,2}(/title/\d{5}))
    • 2

相关问题