用Python re.match提取字符串

Question

import re
str="x8f8dL:s://www.qqq.zzz/iziv8ds8f8.dafidsao.dsfsi"

str2=re.match("[a-zA-Z]*//([a-zA-Z]*)",str)
print str2.group()

current result=> error
expected => wwwqqqzzz

我要提取字符串wwwqqqzzz。我该怎么做？

也许有很多点，例如：

"whatever..s#$@.d.:af//wwww.xxx.yn.zsdfsd.asfds.f.ds.fsd.whatever/123.dfiid"

在这种情况下，我基本上想要由//和界定的东西/。我该如何实现？

另一个问题：

import re
str="xxx.yyy.xxx:80"

m = re.search(r"([^:]*)", str)
str2=m.group(0)
print str2
str2=m.group(1)
print str2

似乎m.group(0)和m.group(1)相同。

Answer 1

match尝试匹配 整个 字符串。使用search代替。然后，以下模式将满足您的要求：

m = re.search(r"//([^/]*)", str)
print m.group(1)

基本上，我们正在寻找/，然后消耗尽可能多的非斜杠字符。那些非斜杠字符将被捕获在组号1中。

实际上，有一种更高级的技术可以执行此操作，但不需要捕获（通常很耗时）。它使用所谓的lookbehind：

m = re.search(r"(?<=//)[^/]*", str)
print m.group()

在实际比赛中不包括环顾四周，因此是理想的结果。

此（或任何其他合理的正则表达式解决方案）不会.立即删除。但这可以在第二步中轻松完成：

m = re.search(r"(?<=//)[^/]*", str)
host = m.group()
cleanedHost = host.replace(".", "")

那甚至不需要正则表达式。

当然，如果您想删除除字母和数字之外的所有内容（例如www.regular- expressions.info变成wwwregularexpressionsinfo），那么最好使用regex版本的replace：

cleanedHost = re.sub(r"[^a-zA-Z0-9]+", "", host)