Python正則表達式-排除包含單詞的網址

Question

我對正則表達式有疑問-我有4個網址示例：

http://auto.com/index.php/car-news/12158-classicauto-cup-2016-photo 
http://auto.com/index.php/car-news/11654-battle-royale-2014
http://auto.com/index.php/tv-special-news/10480-new-film-4
http://auto.com/index.php/first/12234-new-volvo-xc60

我想排除里面帶有“ tv-special-news”或最后是“ photo”的網址。

我試過了：

http://(www.)?auto.com/index.php/(?!(tv-special-news)).*/[a-zA-Z0-9\-]{1,}-(?!photo)

但是它不能完全按照我的要求工作

Answer 1

http://(www.)?auto.com/index.php/(?!(tv-special-news)).*/[a-zA-Z0-9\-]{1,}-(?!photo)

您對此很滿意。 您只需要刪除(?!photo)之前的破折號，即可使行結束時沒有結尾的破折號，並在末尾添加$以確保需要匹配整行。

然后，您還必須將負前瞻更改為負后瞻，以確保如果在行末跟有photo ： (?<!photo)話，則與行尾不匹配。

http://(www.)?auto.com/index.php/(?!(tv-special-news)).*/[a-zA-Z0-9\-]{1,}(?<!photo)$

另外，您應該正確地避開所有點：

http://(www\.)?auto\.com/index\.php/(?!(tv-special-news)).*/[a-zA-Z0-9\-]+(?<!photo)$

同樣，量詞{1,}等效於+ 。

Answer 2

您可以使用此正則表達式：

^(?!.*-photo$)http://(?:www\.)?auto\.com/index\.php/(?!tv-special-news)[^/]+/[\w-]+-

正則演示1

• 如果URL以photo結尾，則(?!.*-photo$)會否定匹配失敗。
• (?!tv-special-news)在/index.php/后出現tv-special-news時會否定斷言失敗。
• 更好地在正則表達式中使用開始錨

或者使用后置正則表達式，您可以使用：

^http://(www\.)?auto\.com/index\.php/(?!tv-special-news).*/[a-zA-Z0-9-]+$(?<!photo)

RegEx演示2

Answer 3

您可以使用以下解決方案：

import re

list_of_urls = ["http://auto.com/index.php/car-news/12158-classicauto-cup-2016-photo",....]


new_list = [i for i in list_of_urls if len(re.findall("photo+", i.split()[-1])) == 0 and len(re.findall("tv-special-news+", i.split()[-1])) == 0]

Answer 4

您只需將鏈接存儲在列表中，然后使用正則表達式對其進行迭代：

re_pattern = r'\\ b（？：tv-special-news | photo）\\ b'

re.findall（re_pattern，link）

（其中鏈接將是列表中的項目）

如果模式匹配，則它將結果存儲在列表中。 您只需檢查列表是否為空。 如果列表為空，則可以包括鏈接，否則將其排除。

這是示例代碼：

import re

links = ['http://auto.com/index.php/car-news/12158-classicauto-cup-2016-photo', 'http://auto.com/index.php/car-news/11654-battle-royale-2014', 'http://auto.com/index.php/tv-special-news/10480-new-film-4', 'http://auto.com/index.php/first/12234-new-volvo-xc60']

new_list = []

re_pattern = r'\b(?:tv-special-news|photo)\b' for link in links:    result = re.findall(re_pattern,link)        if len(result) < 1:         new_list.append(link)   

print new_list