如何正确使用 re.sub 捕获组？

Question

我有一个看起来像这样的URL：url = https://www.sx.com/found/text.html我想用捕获组替换第三个和第四个斜杠之间的文本，即我想用一个新的字符串（新闻）替换“找到”，如下所示：replace = re.sub(r'(?:/.*/)(.*)/', r'/news/\1', url)期望结果：replace = https://www.sx.com/news/text.html但是我得到这个结果：https:/news/text.html我在这里做错了什么？

Answer 1

您可以使用：

>>> url = ' 
>>> print ( re.sub(r'(.+/)[^/]+(/[^/]*/?)$', r'\1news\2', url) )
https://www.sx.com/news/text.html

正则表达式详细信息：

• (.+/)：任何字符的 1+ 个 greed 匹配，后跟 。捕获组 #1/

• [^/]+：匹配任何非字符的 1+/

• （/[^/]*/？）：匹配下一个，然后是非字符，直到结束。捕获组 #2//

• $：完

Answer 2

虽然你应该用它来做这个东西，但你可以尝试urllib

(//.*/).*/

替换为

\1news/

请参阅演示。

https://regex101.com/r/cuNe0j/1

或者你可以试试这个。这样，您就不需要处理解析。url

from urlparse import urlparse, urlunsplit
x= urlparse("https://www.sx.com/found/text.html")
y= x.path.replace("found", "news")print urlunsplit([x.scheme, x.netloc, y,
         x.query, x.fragment])