正则表达式提取除 url 之外的文件路径答案

【问题标题】：Regex to extract file paths except urls正则表达式提取除 url 之外的文件路径
【发布时间】：2017-09-18 09:28:19
【问题描述】：

我有一个包含一些文件路径的大文本，我需要一个可以帮助我提取所有路径的正则表达式。目前我正在使用这个：

\/.+?\/[\w]+\.\w+

它几乎可以完美运行，但包含文件名或末尾的点的链接也被解释为路径，如下所示：

http://example.com/index.html

非常感谢帮助提供有效的正则表达式。此外，如果您可以在此正则表达式中添加对路径中空格的支持，那就太棒了。提前致谢！

正则表达式测试链接：click

【问题讨论】：

@WiktorStribiżew 这个不能正常工作
@WiktorStribiżew 好吧，结果与使用我提供的正则表达式时相同。 “//example.com/index.html”已提取，但不应

标签： python regex

【解决方案1】：

您可以尝试否定的后视来排除“http:”和“https:”前缀。

(?<!https:)(?<!http:)(?<!/)(?<!\w)((/[^\s]+)?/\w+\.\w+)

如果您在 pythex 中使用此测试字符串进行尝试：

/abc/def/def.ps
/abc/def/ttt/def.ps
/test.txt
/abc/test.txt http://example.com/index.html
 http://www.google.com/bla/test/index.html https://www.google.com/bla/test/index.html

它只会匹配前 4 个。

这是pythex 链接。

这个正则表达式的优点是不依赖行首来工作。

您可以添加任意数量的look behinds，以支持其他协议，例如 ftp 等。

【讨论】：

对这种方法有任何 cmet 吗？
谢谢，它几乎可以完美运行，除了 http/https 支持
刚刚添加了对 https 的支持。您可以添加更多的外观以支持其他协议。请检查更新后的答案，让我知道您对此的看法。

【解决方案2】：

试试这个：^\/.+?\/[\w]+\.\w+$ 启用多行模式。

【讨论】：