re.findall -> Python 中的正则表达式答案

【问题标题】：re.findall -> RegEx in Pythonre.findall -> Python 中的正则表达式
【发布时间】：2021-09-30 10:38:48
【问题描述】：

import regex
frase = "text https://www.gamivo.com/product/sea-of-thieves-pc-xbox-one other text https://www.gamivo.com/product/fifa-21-origin-eng-pl-cz-tr"
x = regex.findall(r"/((http[s]?:\/\/)?(www\.)?(gamivo\.com\S*){1})", frase) 
print(x)

结果：

[('www.gamivo.com/product/sea-of-thieves-pc-xbox-one', '', 'www.', 'gamivo.com/product/sea-of-thieves-pc-xbox-one'), ('www.gamivo.com/product/fifa-21-origin-eng-pl-cz-tr', '', 'www.', 'gamivo.com/product/fifa-21-origin-eng-pl-cz-tr')]

我想要类似的东西：

[('https://www.gamivo.com/product/sea-of-thieves-pc-xbox-one', 'https://gamivo.com/product/fifa-21-origin-eng-pl-cz-tr')]

我该怎么做？

【问题讨论】：

删除第一个 / 并使用非捕获组。 r'(?:https?://)?(?:www\.)?gamivo\.com\S*'，见this demo。
你真的需要正则表达式吗？在空格上拆分并在结果数组中使用带有 https 的空格
@leoOrion 是的，它适用于需要正则表达式的更大项目。所以在最终项目中，我将替换为 str.replace() 以使用短链接

标签： python regex python-regex

【解决方案1】：

你需要

删除使https:///http://的匹配无效的初始/字符，因为/出现在http之后
删除不必要的捕获组和{1} 量词
将可选捕获组转换为非捕获组。

见this Python demo:

import re
frase = "text https://www.gamivo.com/product/sea-of-thieves-pc-xbox-one other text https://www.gamivo.com/product/fifa-21-origin-eng-pl-cz-tr"
print( re.findall(r"(?:https?://)?(?:www\.)?gamivo\.com\S*", frase) )
# => ['https://www.gamivo.com/product/sea-of-thieves-pc-xbox-one', 'https://www.gamivo.com/product/fifa-21-origin-eng-pl-cz-tr']

也请参阅regex demo。另请参阅相关的re.findall behaves weird 帖子。

【讨论】：

【解决方案2】：

试试这个，它将把字符串从 https 开始到单个空格或换行符。

import re
frase = "text https://www.gamivo.com/product/sea-of-thieves-pc-xbox-one other text https://www.gamivo.com/product/fifa-21-origin-eng-pl-cz-tr"
x = re.findall('(https?://(?:[^\s]*))', frase)
print(x)
# ['https://www.gamivo.com/product/sea-of-thieves-pc-xbox-one', 'https://www.gamivo.com/product/fifa-21-origin-eng-pl-cz-tr']

【讨论】：