集合内匹配的 Python 正则表达式

Question

在http://gskinner.com/RegExr/（在线正则表达式测试器）上进行测试时，当存在 jpg 或 bmp 时，正则表达式 [jpg|bmp] 返回结果，但是，当我在 python 中运行此正则表达式时，它只返回 j 或 b。如何让正则表达式在集合中使用整个单词“jpg”或“bmp”？之前可能有人问过这个问题，但是我不确定如何构造问题来找到答案。谢谢！！！

如果有帮助，这里是整个正则表达式

"http://www\S*(?i)\\.(jpg|bmp|png|gif|img|jng|jpeg|jpe|gif|giff)"

它基本上只是在一个url中寻找图片

Answer 1

使用(jpg|bmp) 代替方括号。

方括号的意思是——匹配方括号中的一个字符。

编辑 - 你可能想要这样的东西：[^ ].*?(jpg|bmp) 或 [^ ].*?\.(jpg|bmp)

Answer 2

当您使用[] 时，您正在创建一个包含括号之间的所有字符的字符类。

所以您不匹配 jpg 或 bmp 您匹配的是 j 或 p 或 g 或 | ...

您应该在正则表达式的字符串末尾添加一个锚点

http://www\S*(?i)\\.(jpg|bmp|png|gif|img|jng|jpeg|jpe|gif|giff)$
          ^      ^^

如果你需要双重转义，那么你的模式中的每个地方

http://www\\S*(?i)\\.(jpg|bmp|png|gif|img|jng|jpeg|jpe|gif|giff)$

确保它检查以字符串结尾结尾的文件。

Answer 3

如果您正在搜索 URL 列表

urls = [ 'http://some.link.com/path/to/file.jpg',
         'http://some.link.com/path/to/another.png',
         'http://and.another.place.com/path/to/not-image.txt',
       ]

要查找与给定模式匹配的模式，您可以使用：

import re
for url in urls:
   if re.match(r'http://.*(jpg|png|gif)$'):
      print url

哪个会输出

http://some.link.com/path/to/file.jpg
http://some.link.com/path/to/another.png

re.match() 将在字符串开头测试匹配，并为前两个链接返回一个匹配对象，为第三个链接返回None。

如果您只是获得扩展，则可以使用以下内容：

for url in urls:
   m = re.match(r'http://.*(jpg|png|gif)$')
   print m.group(0)

将打印出来

('jpg',)
('png',)

您将只获得扩展名，因为这是定义为一个组的内容。

如果需要在一长串文本中查找url（如从wget返回），则需要使用re.search()，并将感兴趣的部分用( )括起来。例如，

response = """dlkjkd dkjfadlfjkd fkdfl kadfjlkadfald ljkdskdfkl adfdf
    kjakldjflkhttp://some.url.com/path/to/file.jpgkaksdj fkdjakjflakdjfad;kadj af
    kdlfjd dkkf aldfkaklfakldfkja df"""

reg = re.search(r'(http:.*/(.*\.(jpg|png|gif)))', response)

print reg.groups()

将打印

('http://some.url.com/path/to/file.jpg', 'file.jpg', 'jpg',)

或者您可以使用re.findall 或re.finditer 代替re.search 来获取长响应中的所有URL。搜索只会返回第一个。