正则表达式 - 如果不匹配则匹配 - Python

Question

我为文字的数量道歉，但我无法理解这一点，我想让我的问题清楚。

我目前正在尝试创建一个正则表达式来查找网站/电子邮件链接的结尾，然后处理其余的地址。 我决定寻找地址的结尾（例如'.com'，'。org'，'。net'）; 但是，在处理这个问题时，我在两个方面遇到了困难。 （我选择了这种方法，因为它最适合当前项目）

首先，我试图不小心阻止用户在其中键入带有这些关键字的单词（例如'“org”anisation'，'试试这个'或g“o to'）。 作为一个例子，我如何处理这个正则表达式：

org(?!\\w) - 如果关键字后面有字母，则跳过匹配。

第二个问题是找到一个不匹配的地址的额外部分（例如'www.website。“org”.uk'）。 为了解决这个问题，作为一个例子，我使用了正则表达式：

org((\\W*|\\.|dot)\\w\\w) - 试图找到关键字后面的前两个字母，因为大多数扩展只有两个字母。

主要问题：

为了防止上述两种情况，我使用的正则表达式类似于：

org(.|dot)\\w\\w|(?!\\w)

但是，我并不像我想在Regex中找到解决方案那样精通，我理解这不会产生正确的结果。 我知道在Regex中有一种'If this then that'但我似乎无法理解我在这个主题上找到的在线文档。

如果可能，有人能够解释我如何创建一个系统来说：

IF: NOT org(\\w) ELSE IF: org(.|dot) THEN: MATCH org(.|dot)\\w\\w ELSE: MATCH org

我真的很感激有关此事的任何帮助，这已经在我脑海中暂时停留了一段时间。 我只是希望看到它，但我只是没有所需的知识。

编辑：

正则表达式需要传递的测试用例（特别是针对这些示例的'org'正则表达式）：

（我在方括号'[]'中标记了匹配项，并且我已标记可能的匹配项被忽略为'<>'）

"Hello, please come and check out my website: www.website.[org]"
"I have just uploaded a new game at games.[org.uk]"
"If you would like quote please email me at email@email.[org.ru]"
"I have just made a new <org>anisation website at website.[org], please get in contact at name.name@email.[org.us]"
"For more info check info.[org] <or g>o to info.[org.uk]"

我希望这可以更好地了解Regex需要做什么。

Answer 1

以下正则表达式：

(?i)(?<=\.)org(?:\.[a-z]{2})?\b

应该为你做的工作。

演示：

https://regex101.com/r/8F9qbQ/2/

解释：

• (?i)将案例激活为不敏感（ .ORG或.org ）
• （？<=。）强迫有一个. 在org实际上是一个单词的一部分时，在org之前避免匹配。
• org ORG或org
• (?:...)? 非捕获组，可以出现0到1次
• \\.[a-zA-Z]{2}点后跟恰好2个字母
• \\b字边界约束

Answer 2

还有一些其他更简单的方法可以捕获任何网站，但假设你确实需要这个特征IF: NOT org(\\w) ELSE IF: org(.|dot) THEN: MATCH org(.|dot)\\w\\w ELSE: MATCH org ，然后你可以使用：

org(?!\\w)(\\.\\w\\w)?

它将匹配：的“org.uk” www.domain.org.uk的“组织” www.domain.org

但是不会匹配www.domain.orgzz和orgzz

说明： org(?!\\w)组成部分将匹配org是后面没有字母字符。 它将与org的org org相匹配org. 但不会与orgzz匹配。

然后，如果我们已经有了org ，我们会尝试通过添加量词来匹配其他(\\.\\w\\w) ? 这意味着匹配，如果有，将匹配\\.uk但没有必要。

Answer 3

只要以'www.'开头，我就制作了一个捕获网站的小正则表达式'www.' 接着是一些带有后续'.'字符'.' 。

import re 

matcher = re.compile('(www\.\S*\.\S*)') #matches any website with layout www.whatever
string = 'they sky is very blue www.harvard.edu.co see nothing else triggers it, www, org'
match = re.search(matcher, string).group(1)
#output
#'www.harvard.edu.co'

现在你可以根据需要收紧它，以避免误报。