Question

在http://gskinner.com/RegExr/（在线正则表达式测试器）上进行测试时，当jpg或bmp存在时，正则表达式[jpg|bmp]会返回结果，但是，当我在python中运行此正则表达式时，它只返回j或b。如何使正则表达式在集合中取整个单词“jpg”或“bmp”？这可能是之前被问过但是我不确定如何构建问题以找到答案。谢谢!!!

如果它有帮助，这是整个正则表达式

"http://www\S*(?i)\\.(jpg|bmp|png|gif|img|jng|jpeg|jpe|gif|giff)"

它基本上只是在网址中查找图片

Answer 1

使用(jpg|bmp)代替方括号。

方括号表示 - 匹配方括号中集合的字符。

修改 - 您可能想要这样的内容：[^ ].*?(jpg|bmp)或[^ ].*?\.(jpg|bmp)

Answer 2

当您使用[]时，您正在创建一个包含括号内所有字符的字符类。

因此，对于jpg或bmp或j或{{1}，您匹配p或g } ...

您应该将字符串末尾的锚点添加到正则表达式

如果您需要双重转义，那么您的模式中的每个位置

http://www\S*(?i)\\.(jpg|bmp|png|gif|img|jng|jpeg|jpe|gif|giff)$
          ^      ^^

确保它检查以字符串最后结尾的文件。

Answer 3

如果您要搜索网址列表

urls = [ 'http://some.link.com/path/to/file.jpg',
         'http://some.link.com/path/to/another.png',
         'http://and.another.place.com/path/to/not-image.txt',
       ]

找到符合您可以使用的给定模式的那些：

import re
for url in urls:
   if re.match(r'http://.*(jpg|png|gif)$'):
      print url

将输出

http://some.link.com/path/to/file.jpg
http://some.link.com/path/to/another.png

re.match()将测试字符串开头的匹配项，并为前两个链接返回匹配对象，并为第三个链接返回None。

如果您只获得扩展程序，则可以使用以下内容：

for url in urls:
   m = re.match(r'http://.*(jpg|png|gif)$')
   print m.group(0)

将打印

('jpg',)
('png',)

您将获得扩展，因为这是被定义为组的。

如果您需要在一长串文本中找到网址（例如从wget返回），则需要使用re.search()并将您感兴趣的部分用( )括起来。例如，

response = """dlkjkd dkjfadlfjkd fkdfl kadfjlkadfald ljkdskdfkl adfdf
    kjakldjflkhttp://some.url.com/path/to/file.jpgkaksdj fkdjakjflakdjfad;kadj af
    kdlfjd dkkf aldfkaklfakldfkja df"""

reg = re.search(r'(http:.*/(.*\.(jpg|png|gif)))', response)

print reg.groups()

将打印

('http://some.url.com/path/to/file.jpg', 'file.jpg', 'jpg',)

或者您可以使用re.findall或re.finditer代替re.search来获取长响应中的所有网址。搜索只会返回第一个。

在集合中匹配的Python正则表达式

3 个答案: