Python 正则表达式不匹配 http://

Question

我遇到了匹配和替换某些不包含在 http:// 中的单词的问题

当前正则表达式：

 http://.*?\s+

这匹配模式http://www.egg1.com @987654321@

我需要一个正则表达式来匹配包含在 http:// 之外的某些单词

例子：

"This is a sample. http://www.egg1.com and http://egg2.com. This regex will only match 
 this egg1 and egg2 and not the others contained inside http:// "

 Match: egg1 egg2

 Replaced: replaced1 replaced2

最终输出：

 "This is a sample. http://www.egg1.com and http://egg2.com. This regex will only 
  match this replaced1 and replaced2 and not the others contained inside http:// "

问题： 需要匹配某些模式（例如：egg1 egg2），除非它们是 http:// 的一部分。如果 egg1 和 egg2 存在于 http:// 中，则不匹配它们

Answer 1

我能想到的一个解决方案是为 HTTP-URL 和您的模式形成一个组合模式，然后相应地过滤匹配项：

import re

t = "http://www.egg1.com http://egg2.com egg3 egg4"

p = re.compile('(http://\S+)|(egg\d)')
for url, egg in p.findall(t):
  if egg:
    print egg

打印：

鸡蛋3 蛋4

---

更新：要将此习惯用法与re.sub() 一起使用，只需提供一个过滤器函数：

p = re.compile(r'(http://\S+)|(egg(\d+))')

def repl(match):
    if match.group(2):
        return 'spam{0}'.format(match.group(3))
    return match.group(0)

print p.sub(repl, t)

打印：

http://www.egg1.com http://egg2.com 垃圾邮件3 垃圾邮件4

Answer 2

这不会捕获http://...：

(?:http://.*?\s+)|(egg1)

Answer 3

你需要在你的模式前面加上一个否定的lookbehind断言：

(?<!http://)egg[0-9]

在这个正则表达式中，每当正则表达式引擎找到匹配egg[0-9] 的模式时，它都会回过头来验证前面的模式是否不匹配 http://。否定的lookbehind 断言以(?<! 开头，以) 结尾。这些分隔符之间的所有内容都不应位于以下模式之前，并且不会包含在结果中。

如何在你的情况下使用它：

>>> regex = re.compile('(?<!http://)egg[0-9]')
>>> a = "Example: http://egg1.com egg2 http://egg3.com egg4foo"
>>> regex.findall(a)
['egg2', 'egg4']

Answer 4

扩展brandizzi的答案，我只需将他的正则表达式更改为：

(?<!http://[\w\._-]*)(egg1|egg2)