正则表达式，用于匹配URL和失败的非URL

Question

我正在尝试从图像的srcset中提取单独的网址。

这是用于提取和下载该行中存在的所有文件。 我对它进行硬编码，因为行有时会有所不同。

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

但是我得到了三个额外的存在

2x

Answer 1

在这里，我们将在一个简单的char类中的表达式中添加一个量词，例如：

[^\s]{4,}

以获取所需的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.

RegEx

如果不需要此表达式，可以在regex101.com中对其进行修改/更改。

RegEx电路

jex.im可视化正则表达式：