Question

我有一个看起来像这样的文本文件：

[22/Nov/2011 12:57:58] "GET /media/js/jquery-1.4.3.min.js HTTP/1.1" 304 0
[22/Nov/2011 12:57:58] "GET /media/js/fancybox/fancybox-x.png HTTP/1.1" 304 0
[22/Nov/2011 12:57:59] "GET /media/js/fancybox/fancybox-y.png HTTP/1.1" 304 0
[22/Nov/2011 12:57:59] "GET /media/js/fancybox/blank.gif HTTP/1.1" 304 0
[22/Nov/2011 12:57:59] "GET /ajax/pages/erlebnisse/ HTTP/1.1" 200 563
[22/Nov/2011 12:58:00] "GET /erlebnisse/alle-erlebnisse/ HTTP/1.1" 200 17114

我想使用正则表达式来获取此处显示的所有图像文件（.gif，.jpg，.png）。所以上面文字的结果应该是：

['fancybox-x.png', 'fancybox-y.png', 'blank.gif']

我做的是：

re.findall('\w+\.(jpg|gif|png)', f.read())

所以模式是：

一个或多个单词字符(\w+)后跟一个点(\.)，然后是'jpg'，'gif'或'png'(jpg|gif|png)。

这实际上有效，但是将括号的内容（我仅用于“分组”）混淆为group(1)，结果是：

['png', 'png', 'gif']

用是对的，但不完整。换句话说，我问，如何让re.findall()区分“分组”括号和括号来分配组？

Answer 1

您正在寻找常规括号(?:...)的非捕获版本。该说明可在re module docs。

中找到

s ='''[22/Nov/2011 12:57:58] "GET /media/js/jquery-1.4.3.min.js HTTP/1.1" 304 0
[22/Nov/2011 12:57:58] "GET /media/js/fancybox/fancybox-x.png HTTP/1.1" 304 0
[22/Nov/2011 12:57:59] "GET /media/js/fancybox/fancybox-y.png HTTP/1.1" 304 0
[22/Nov/2011 12:57:59] "GET /media/js/fancybox/blank.gif HTTP/1.1" 304 0
[22/Nov/2011 12:57:59] "GET /ajax/pages/erlebnisse/ HTTP/1.1" 200 563
[22/Nov/2011 12:58:00] "GET /erlebnisse/alle-erlebnisse/ HTTP/1.1" 200 17114'''

import re

for m in re.findall('([-\w]+\.(?:jpg|gif|png))', s):
    print m

Answer 2

您可以添加另一对括号，并将？：放入内部

re.findall('/([^/]+\.(?:jpg|gif|png))', f.read())

请注意，\w与“ - ”不匹配，因此我建议[^/]+

Answer 3

如果您正在寻找整个比赛，您应该能够在第0组中找到它，否则如果您正在寻找该字符串的另一部分，则可以添加额外的括号。

使用正则表达式搜索图像文件

3 个答案: