使用正则表达式使用Python

Question

解析出URL的某些部分

假设我有一些类似的下面，

URL 
http://hostname.com/as/ck$st=fa+gw+hw+ek+ei/ 
http://hostname.com/wqs/ck$st=fasd+/ 
http://hostname.com/as/ck$st=fa+gq+hf+kg+is&sadfnlslkdfn&gl+jh+ke+oj+kp sfav 

我要检查在URL中第一个+号，直到我们找到一个特别的向后移动字符如/或？或=或任何其他特殊字符，并从此开始并继续，直到找到空格或行末或&或/。

我用计算器论坛的帮助下写的正则表达式如下所示，

re.search(r"[^\w\+ ]([\w\+ ]+\+[\w\+ ]+)(?:[^\w\+ ]|$)", x).group(1) 

这其中的工作原理与第一排。但不解析第二行的任何内容。同样在第三行中，我想检查行中这样的多个模式。目前的正则表达式只检查一种模式。

我的输出应该是，

parsed 
fa+gw+hw+ek+ei 
fasd 
fa+gq+hf+kg+is gl+jh+ke+oj+kp 

任何人可以帮助我修改的正则表达式是已经存在，以适应这需要？

感谢

Answer 1

我用regexr想出这个（regexr link）：

([\w\+]*\+[\w\+]*)(?:[^\w\+]|$)

匹配：

fa+gw+hw+ek+ei fasd+ fa+gq+hf+kg+is gl+jh+ke+oj+kp

编辑：除了使用re.search的，请尝试使用re.findall相反：

>>> s = "http://hostname.com/as/ck$st=fa+gq+hf+kg+is&sadfnlslkdfn&gl+jh+ke+oj+kp sfav" 
>>> re.findall("([\w\+]+\+[\w\+]*)(?:[^\w\+]|$)", s) 
['fa+gq+hf+kg+is', 'gl+jh+ke+oj+kp'] 

Answer 2

如果更改[^\w\+ ]([\w\+ ]+\+[\w\+ ]+)(?:[^\w\+ ]|$)到[^\w\+ ]([\w\+ ]+\+[\w\+ ]*)(?:[^\w\+ ]|$)它将匹配第二网址为好。

它将包含尾部的'+'，它不包含在你想要的输出中，但似乎符合你提到的标准，所以如果你不想要任何尾随的'+'，这可能需要一些修改。秒。

Answer 3

尝试使用后unsuccesfully urlparse它似乎得到你想要的是使用正则表达式的信息的最佳方式：

import urlparse 
import re 

urls = [ 
    "http://hostname.com/as/ck$st=fa+gw+hw+ek+ei/", 
    "http://hostname.com/wqs/ck$st=fasd+/", 
    "http://hostname.com/as/ck$st=fa+gq+hf+kg+is&sadfnlslkdfn&gl+jh+ke+oj+kp sfav" 
] 

for myurl in urls: 
    parsed = urlparse.urlparse(myurl) 

    print 'scheme :', parsed.scheme 
    print 'netloc :', parsed.netloc 
    print 'path :', parsed.path 
    print 'params :', parsed.params 
    print 'query :', parsed.query 
    print 'fragment:', parsed.fragment 
    print 'username:', parsed.username 
    print 'password:', parsed.password 
    print 'hostname:', parsed.hostname, '(netloc in lower case)' 
    print 'port :', parsed.port 

    print urlparse.parse_qs(parsed.query) 

    print re.findall(r'([\w\+]+\+[\w\+]*)(?:[^\w\+]|$)', parsed.path) 
    print '-' * 80