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。
答案 0 :(得分:3)
使用re.sub
re.sub(r'^.*\/([^/]*)-.*', r'\1', line)
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
>>>
答案 1 :(得分: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!
答案 2 :(得分:1)
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]
答案 3 :(得分:1)
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。
答案 4 :(得分:0)
与lambda函数一起使用re.sub:
p