Python 2.7 中用于 HTTP GET header 的正则表达式匹配

Question

我正在尝试构建一个匹配如下的正则表达式:

• 除冒号或空格外的一个或多个以冒号结尾的字符
• 后跟一个空格
• 后跟一个或多个任意字符(冒号或空格除外)
• 紧跟/r/n

如上所述，这是针对 HTTP GET 请求的，因此以下任何一种都可以:

• 主机:www.stackoverflow.com/r/n
• a-b-sads&^*@hgsdafAS&FTD: sjal;dfh9S^&D^F&(SDfsdgafs/r/n

以下不会:

• 主办方:www.stackoverflow.com
• H:o:s:t: www.stackoverflow.com
• 主机:www.:::stackoverflow.com
• 主机:www.stackoverflow.com/n

我目前正在使用 re.compile(r"^.{1,}: .{1,}[/r/n]$") 但我不确定如何从中排除冒号字符串的某些子集。

编辑: 我相信我想要开始的是 ^ 来表示字符串的开头。然后，我想要一个或多个除了冒号以外的任何字符，所以 .{1,}，但我不确定如何从该列表中排除冒号。然后我想要一个冒号和一个空格，所以只是 :，然后是除冒号 .{1,} 之外的任何字符，与之前排除冒号的问题相同。最后，我希望它以 [\r\n]$ 结尾。这似乎仍然不起作用，即使我排除了无冒号字符的要求。所以像 ^.{1,}: .{1,}\r\n$ 这样的东西，但我仍然需要弄清楚如何排除冒号。

Answer 1

1. {1,} 就是 +
2. 排除冒号由 [^:]* 完成
3. 如果要排除空格和冒号，请使用 [^ :]
4. 在\r\n 之后用 $ 捕获字符串的结尾对我来说似乎很奇怪，这意味着单个字符串以 eoln 结尾并且后面没有任何内容(我也希望你知道 unix 和 windows 之间的区别)<
5. 另外:eoln 是\r\n，将某些内容放在方括号中意味着所包含的任何一个字符都将匹配，这不是您需要的

总的来说，以下应该有效

^([^ :]+): ([^ :]+)$

在组 1 中给出 Host，在组 2 中给出 url

测试一下 here