Question

我对python很新。我正在尝试解析URL文件，只留下URL的特定部分（粗体部分）。

以下是我正在使用的URL的一些示例：

-webkit-transform: skew(-45deg);
-webkit-transform-origin: left top 0;

我尝试了一些正则表达式，但它变得非常复杂。我想到的是从所有网址中删除此“http://www.mega.pk/”，因为它很常见，然后删除“ - ”之后的任何内容，包括所有斜杠。但是不知道这样做。

Answer 1

使用re.sub

re.sub(r'^.*\/([^/]*)-.*', r'\1', line)

DEMO

示例：

>>> s = '''http://www.mega.pk/washingmachine-dawlance/
    http://www.mega.pk/washingmachine-haier/'''.splitlines()
>>> for line in s:
    print(re.sub(r'^.*\/([^/]*)-.*', r'\1', line))


washingmachine
washingmachine
>>>

Answer 2

使用urlparse模块。它是专门为此目的而构建的。

from urlparse import urlparse

url = "http://www.mega.pk/washingmachine-dawlance/"

path = urlparse(url).path  # get the path from the URL ("/washingmachine-dawlnace/")
path = path[:path.index("-")]  # remove everything after the '-' including itself
path = path[1:]  # remove the '/' at the starting of the path (just before 'washing')

path变量的值为washingmachine

请查看此内容（urlparse Python module of the week）以获取更多信息。

干杯！

Answer 3

您可以在不使用正则表达式的情况下实现相同目的。 Avinash提出的解决方案更简洁，但下面的方法可能更容易理解，特别是如果你想在某个时候修改它：

s = '''http://www.mega.pk/washingmachine-dawlance/
http://www.mega.pk/washingmachine-haier/'''.splitlines()
for line in s:    
   cleanedUrl = line.replace('http://www.mega.pk/**','').replace('/','')
   urlParameters = cleanedUrl.split('-')
   print urlParameters[-1]

或者如果您愿意，可以使用compacter版本：

s = '''http://www.mega.pk/washingmachine-dawlance/
http://www.mega.pk/washingmachine-haier/'''.splitlines()
for line in s:    
    print line.replace('http://www.mega.pk/**','').replace('/','').split('-')[-1]

Answer 4

您还可以使用以下正则表达式：

>>> import re
>>> regex = r"(?is)^\s*https?\:\/\/[^\/]+\/(.*?)(?:\-|\/).*"
>>> res = re.sub(regex, r"\1", PROVIDE_URL)

你会得到欲望的结果。

Answer 5

与lambda函数一起使用re.sub：

在Python中剥离URL

5 个答案: