正則表達式 - 如果不匹配則匹配 - Python

Question

我為文字的數量道歉，但我無法理解這一點，我想讓我的問題清楚。

我目前正在嘗試創建一個正則表達式來查找網站/電子郵件鏈接的結尾，然后處理其余的地址。 我決定尋找地址的結尾（例如'.com'，'。org'，'。net'）; 但是，在處理這個問題時，我在兩個方面遇到了困難。 （我選擇了這種方法，因為它最適合當前項目）

首先，我試圖不小心阻止用戶在其中鍵入帶有這些關鍵字的單詞（例如'“org”anisation'，'試試這個'或g“o to'）。 作為一個例子，我如何處理這個正則表達式：

org(?!\\w) - 如果關鍵字后面有字母，則跳過匹配。

第二個問題是找到一個不匹配的地址的額外部分（例如'www.website。“org”.uk'）。 為了解決這個問題，作為一個例子，我使用了正則表達式：

org((\\W*|\\.|dot)\\w\\w) - 試圖找到關鍵字后面的前兩個字母，因為大多數擴展只有兩個字母。

主要問題：

為了防止上述兩種情況，我使用的正則表達式類似於：

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

但是，我並不像我想在Regex中找到解決方案那樣精通，我理解這不會產生正確的結果。 我知道在Regex中有一種'If this then that'但我似乎無法理解我在這個主題上找到的在線文檔。

如果可能，有人能夠解釋我如何創建一個系統來說：

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

我真的很感激有關此事的任何幫助，這已經在我腦海中暫時停留了一段時間。 我只是希望看到它，但我只是沒有所需的知識。

編輯：

正則表達式需要傳遞的測試用例（特別是針對這些示例的'org'正則表達式）：

（我在方括號'[]'中標記了匹配項，並且我已標記可能的匹配項被忽略為'<>'）

"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]"

我希望這可以更好地了解Regex需要做什么。

Answer 1

以下正則表達式：

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

應該為你做的工作。

演示：

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

解釋：

• (?i)將案例激活為不敏感（ .ORG或.org ）
• （？<=。）強迫有一個. 在org實際上是一個單詞的一部分時，在org之前避免匹配。
• org ORG或org
• (?:...)? 非捕獲組，可以出現0到1次
• \\.[a-zA-Z]{2}點后跟恰好2個字母
• \\b字邊界約束

Answer 2

還有一些其他更簡單的方法可以捕獲任何網站，但假設你確實需要這個特征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)?

它將匹配：的“org.uk” www.domain.org.uk的“組織” www.domain.org

但是不會匹配www.domain.orgzz和orgzz

說明： org(?!\\w)組成部分將匹配org是后面沒有字母字符。 它將與org的org org相匹配org. 但不會與orgzz匹配。

然后，如果我們已經有了org ，我們會嘗試通過添加量詞來匹配其他(\\.\\w\\w) ? 這意味着匹配，如果有，將匹配\\.uk但沒有必要。

Answer 3

只要以'www.'開頭，我就制作了一個捕獲網站的小正則表達式'www.' 接着是一些帶有后續'.'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'

現在你可以根據需要收緊它，以避免誤報。