Question

我有一个存储为type=str的网址。看起来像这样：

url = 'http://www.dog.com/bone?junk=8dj37hf7'

我想删除所有以'？'开头的字符，所以我会：

url = 'http://www.dog.com/bone'

这是我尝试过的：

import re
re.sub('?junk=*', '', url)

但是我收到了这个错误：

引发错误，v＃无效表达式       sre_constants.error：无需重复

这是解决方案：

import re
re.sub('\?junk=.*', '', url)

已编辑插入代码包围。编辑添加。*表示法 Morten Jensen，但错误仍然存在。

编辑：解决'。*'和'\'转义。感谢Morten Jensen，jwodder，thefourtheye，et al。

Answer 1

为什么不只是

url = url.split("?",1)[0]

正则表达式似乎试图用大锤杀死苍蝇

Answer 2

引自http://docs.python.org/2/library/re.html#regular-expression-syntax

'?'

使得到的RE匹配0或1次重复   在RE之前。 AB？将匹配'a'或'ab'。

因此，您需要使用反斜杠

转义?

url = 'http://www.dog.com/bone?junk=8dj37hf7'
import re
print re.sub('\?.*', '', url)

<强>输出

http://www.dog.com/bone

Answer 3

错误是因为正则表达式中的?导致前一项成为可选项，但此处没有前面的项;要避免此行为，您需要使用反斜杠转义?。同样，=*将匹配零个或多个= s，而不是一个=，后跟任何内容=.*。因此，为了得到你想要的东西，你需要使用：

re.sub(r'\?junk=.*', '', url)

Answer 4

你可以尝试一下thefourtheye所说的，或者可能是这样：

>>> url = 'http://www.dog.com/bone?junk=8dj37hf7'
>>> newurl = url[:url.find('?')]
>>> print newurl

http://www.dog.com/bone

这种方法也更快，这是证明：

In [2]: url = 'http://www.dog.com/bone?junk=8dj37hf7'

In [3]: %timeit newurl = url[:url.find('?')]
1000000 loops, best of 3: 423 ns per loop

In [4]: import re

In [5]: %timeit x = re.sub('\?.*', '', url)
100000 loops, best of 3: 3.1 us per loop

In [6]: %timeit x = re.sub('\?.*', '', url)
100000 loops, best of 3: 3.25 us per loop

Answer 5

如果要解析网址，urlparse是更好的方法。

from urlparse import urlparse

url = 'http://www.dog.com/bone?junk=8dj37hf7'
parsed = urlparse(url)
real_url = "http://{0}{1}".format(parsed.hostname, parsed.path)

输出：

'http://www.dog.com/bone'

用re.sub。截断字符串

5 个答案: