python - 用于匹配 URL 和失败的非 URL 的正则表达式

Question

我正在尝试从图像的 srcset 中提取单独的 url。

这用于提取并下载该行中存在的所有文件。我没有对其进行硬编码，因为行可能会不时发生变化。

txt = "images/1x/1083bce6__color_272x92dp.png 1x, images/2x/b3716cd2_color_272x92dp.png 2x"

reg = re.compile(r"((?:[^\s,]+))(?:.*?,)?").finditer

for i in list(reg(txt)):
   print(i.group(1))

我希望结果是两个网址

images/1x/1083bce6__color_272x92dp.png
images/2x/b3716cd2_color_272x92dp.png

但我得到了三个额外的存在

2x

Answer 1

在这里，我们将向表达式中的简单 char 类添加一个量词，例如:

[^\s]{4,}

获取我们想要的 URL。

Demo

测试

# coding=utf8
# the above tag defines encoding for this document and is for Python 2.x compatibility

import re

regex = r"[^\s]{4,}"

test_str = "images/1x/1083bce6__color_272x92dp.png 1x, images/2x/b3716cd2_color_272x92dp.png 2x"

matches = re.finditer(regex, test_str, re.MULTILINE)

for matchNum, match in enumerate(matches, start=1):
    
    print ("Match {matchNum} was found at {start}-{end}: {match}".format(matchNum = matchNum, start = match.start(), end = match.end(), match = match.group()))
    
    for groupNum in range(0, len(match.groups())):
        groupNum = groupNum + 1
        
        print ("Group {groupNum} found at {start}-{end}: {group}".format(groupNum = groupNum, start = match.start(groupNum), end = match.end(groupNum), group = match.group(groupNum)))

# Note: for Python 2.7 compatibility, use ur"" to prefix the regex and u"" to prefix the test string and substitution.

正则表达式

如果不需要此表达式，可以在 regex101.com 中对其进行修改/更改.

正则表达式电路

jex.im可视化正则表达式: