带组的正则表达式管道分隔符

Question

我的 URL 中有一个未编码的 URL。看起来像这样https://myhost.mydomain.com/pnLVyL7HjrxMlxjBQkhcOMr2WUs=/400x400/https://myhost.mydomain.com/images/98f9a734-52e2-4616-adf7-bf0165bbf738.png我的域名可以是mydomain.com或mydomain.io. 此外，该/400x400/部件实际上可能会有所不同并且相似，/blahblah/XxY/blahblah或者可能完全缺失。图像可以是jpg, jpeg, png我想提取最后的 URL 的第二部分https://myhost.mydomain.com/images/98f9a734-52e2-4616-adf7-bf0165bbf738.png我有这样的正则表达式https://myhost.mydomain.com/[a-zA-Z0-9=]*/.+[\/a-zA-Z0-9]?(/https://[a-zA-Z0-9=-]*.mydomain.(com|io)/images/[a-zA-Z0-9-]*.(png|jpg|jpeg))这将其标识为 4 组但是，我想将第二个 URL 作为一个组提取 - 所以整个https://myhost.mydomain.com/images/98f9a734-52e2-4616-adf7-bf0165bbf738.png你能帮我修复我的正则表达式吗？谢谢 ！

Answer 1

尝试使用

import re

s = "https://myhost.mydomain.com/pnLVyL7HjrxMlxjBQkhcOMr2WUs=/400x400/https://myhost.mydomain.com/images/98f9a734-52e2-4616-adf7-bf0165bbf738.png"

m = re.search(r"https://.+(https.+)$", s)

if m:

    print(m.group(1))

输出：

https://myhost.mydomain.com/images/98f9a734-52e2-4616-adf7-bf0165bbf738.png

Answer 2

我建议采用这种方法：

https?(?!.*https?):\/\/.*\bmydomain\.(?:com|io).*

此正则表达式使用负向前查找来确保我们匹配的 URL 是输入字符串中的最后一个。示例脚本：

inp = "https://myhost.mydomain.com/pnLVyL7HjrxMlxjBQkhcOMr2WUs=/400x400/https://myhost.mydomain.com/images/98f9a734-52e2-4616-adf7-bf0165bbf738.png"

url = re.findall(r'https?(?!.*https?):\/\/.*\bmydomain\.(?:com|io).*', inp)[0]

print(url)

这打印：

https://myhost.mydomain.com/images/98f9a734-52e2-4616-adf7-bf0165bbf738.png

Answer 3

由于有 2 个链接，您可以匹配第一个链接并捕获组 1 中的第二个链接。

https?://myhost\.mydomain\.(?:com|io)/\S*?(https?://myhost\.mydomain\.(?:com|io)/\S*\.(?:jpe?g|png))

• https?://myhost\.mydomain\.(?:com|io)/匹配第一个链接的开头

• \S*?匹配 0+ 次非空白字符非贪婪

• (捕获组 1

• https?://myhost\.mydomain\.(?:com|io)/匹配第二个链接的开头

• \S*匹配 0+ 次非空白字符

• \.(?:jpe?g|png)匹配 .jpg 或 .jpeg 或 .png

• )关闭组 1

正则表达式演示| Python演示

例如

import re

regex = r"https?://myhost\.mydomain\.(?:com|io)/\S*?(https?://myhost\.mydomain\.(?:com|io)/\S*\.(?:jpe?g|png))"

test_str = ("https://myhost.mydomain.com/pnLVyL7HjrxMlxjBQkhcOMr2WUs=/400x400/https://myhost.mydomain.com/images/98f9a734-52e2-4616-adf7-bf0165bbf738.png")

matches = re.search(regex, test_str)

if matches:

    print(matches.group(1))

输出

https://myhost.mydomain.com/images/98f9a734-52e2-4616-adf7-bf0165bbf738.png