Python：正则表达式提取括号之间找到的部分 URL

Question

我有这个格式奇怪的 URL。 我必须提取“()”中的内容。

示例网址： http://sampleurl.com/(K(ThinkCode))/profile/view.aspx : http://sampleurl.com/(K(ThinkCode))/profile/view.aspx

如果我能从中提取出ThinkCode ，我将是一个幸福的人！ 我在正则表达式“(”和“/”等特殊字符时遇到了困难。

Answer 1

>>> foo = re.compile( r"(?<=\(K\()[^\)]*" )
>>> foo.findall( r"http://sampleurl.com/(K(ThinkCode))/profile/view.aspx" )
['ThinkCode']

解释

在正则表达式的世界中，一个回顾后是说：“我想匹配的方式ham ，但只有当它是由前面spam 。我们写为(?<=spam)ham 。所以在这种情况下，我们要匹配[^\\)]* ，但前提是它前面有\\(K\\( 。

现在\\(K\\(是一个很好的，简单的正则表达式，因为它是纯文本！这意味着，精确匹配字符串(K( 。注意我们必须转义括号（通过将\\放在它们前面），否则正则表达式解析器会认为它们是正则表达式的一部分，而不是要匹配的字符！

最后，当您在 regex-world 中将某些内容放在方括号中时，这意味着“此处的任何字符都可以”。 如果你把一些东西放在方括号里，第一个字符是^ ，这意味着“任何不在此处的字符都可以”。 所以[^\\)]表示“任何不是右括号的字符”，而[^\\)]*表示“尽可能多的不是右括号的字符”。

把它们放在一起， (?<=\\(K\\()[^\\)]*意味着“匹配尽可能多的不是右括号的字符，前面是字符串(K( .

哦，最后一件事。 因为\\表示Python 中的字符串以及正则表达式中的某些内容，所以我们使用原始字符串 - r"spam"而不仅仅是"spam" 。 这告诉 Python 忽略\\ 。

其它的办法

如果lookbehind 对你来说有点复杂，你也可以使用捕获组。 这些背后的想法是正则表达式匹配模式，但也可以记住子模式。 这意味着您不必担心环视，因为您可以匹配整个模式，然后只需提取其中的子模式！

要捕获一个组，只需将它放在括号内： (foo)将捕获foo作为第一组。 然后，使用.groups()吐出您匹配的所有组！ 这是另一个答案的工作方式。

Answer 2

这并不太难，特别是因为/实际上并不是 Python 正则表达式中的特殊字符。 你只需反斜杠你想要的文字括号。 这个怎么样：

s = "http://sampleurl.com/(K(ThinkCode))/profile/view.aspx"
mo = re.match(r"http://sampleurl\.com/\(K\(([^)]+)\)\)/profile.view\.aspx", s);
print mo.group(1)

请注意使用r""原始字符串来保留正则表达式模式字符串中的反斜杠。

Answer 3

如果您想在正则表达式中包含特殊字符，则需要对它们进行转义，例如\\( 、 \\/ 、 \\\\ 。

匹配嵌套括号内的内容在正则表达式中相当麻烦。 如果该格式始终相同，则可以使用：

\(.*?\((.*?)\).*?\)

基本上：找到一个打开的括号，匹配字符直到找到另一个打开的括号，将字符分组直到我看到一个关闭的括号，然后确保在那里的某个地方还有两个更接近的括号。

Answer 4

mystr = "http://sampleurl.com/(K(ThinkCode))/profile/view.aspx"
import re
re.sub(r'^.*\((\w+)\).*',r'\1',mystr)