Question

我想使用RegEx删除域中的URL。以下是示例网址。但是，当我想在下面的第三个示例中删除URL时。它不起作用。

http://www.domain.com.org
https://www.domain.com.org
http://domain.com.org

如果URL为http://www.domain.com.org，则我的第一个IF条件可以正常工作。我使用split（）以点分隔整个URL。但是，如果我的网址没有www（http://domain.com.org），则该网址无效。在我的FOR循环中，如果它们匹配，我会将x的当前值与regex2结果进行比较，我将通过创建另一个正则表达式来删除URL并离开域并将其添加到我的var（word）<中，将remove（）删除。 / p>

我知道还有其他方法可以执行此操作，但是根据我对python和regex的熟练程度，这就是我的处理方法。我的代码真的可行吗，或者我正在做一件不可能的事情，我的代码需要重做？

我是Python的新手，几天前我刚刚学习了RegEx。但是根据测试，我知道我的正则表达式很好。我相信我的代码流确实搞砸了。有想法的人吗？

import re
def domain_name2(url):

word = url.split('.')
print(word)

#regex1 = '\w+\W+www.'
regex2 = '\w+\W+\w+'
result2 = re.search(regex2, url).group()
print(result2)

for x in word:

    #if x in re.search(regex1, url).group():
    #    word.remove(x)
    if x in result2: 
        word.remove(re.search('\w+\W+',x).group())
return word


['http://domain', 'com', 'org']
http://domain
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-324-e34a89862aeb> in <module>
----> 1 domain_name2('http://domain.com.org')

<ipython-input-319-877bb80b77f0> in domain_name2(url)
 18         #    word.remove(x)
 19         if x in result2:
 ---> 20             word.remove(re.search('\w+\W+',x).group())
 21     return word
 22 

 ValueError: list.remove(x): x not in list

Answer 1

我不确定您到底想要什么，但是您可以解析URL以获得所谓的netloc部分。

from urlparse import urlparse
result = urlparse(url).netloc

Answer 2

您也可以将regex用于if语句。

import re 

string = "https://domain.com.org"

def url_slice(string):
    if 'www' in string:
        res = re.search('(?<=\.).+', string)
    else:
        res = re.search('(?<=\/\/).+', string)
    return res.group()

print(url_slice(string)) #domain.com.org

删除URL字符串并在python中使用正则表达式仅保留域

2 个答案: