Python正则表达式：匹配URL

Question

我对以下表达式中的模式匹配有些困惑。我试图在网上查找，但找不到可理解的解决方案：

imgurUrlPattern = re.compile(r'(http://i.imgur.com/(.*))(\?.*)?')

这个括号到底是做什么的？我理解了第一个星号之前的内容，但是我无法弄清楚之后发生了什么。

- Vatsal Mishra

---

你是在尝试根据OP中的正则表达式找出实际的URL吗？如果是，那么这并不是真正可能的。 - Joe T. Boka

Answer 1

正则表达式可以表示为图形以理解它们的操作。节点之间的并联连接表示可选，串联连接表示必须，而循环表示重复使用同一节点。

(http://i.imgur.com/(.*))(\?.*)?

Debuggex演示

这个正则表达式从一个imgur的URL http://i.imgur.com/(.*)（必须）开始，直到遇到“？”为止（可选）。然后再匹配“？”后面的任意字符。请注意，“？”已经被转义以避免它的正常行为。粉色的高亮显示了捕获组。

- Identity1

Answer 2

"(.*)" 表示任意数量的字符重复，"(\?.*)?" 匹配 URL 的查询字符串，例如 (a imgur search of "cat")。

http://imgur.com/search?q=cat

"http://imgur.com/search"被正则表达式中的"(http://i.imgur.com/(.*))"匹配（"search"特别由"(.*)"匹配）。"?q=cat"被正则表达式中的"(\?.*)?"匹配。在正则表达式中，末尾的问号表示可选，因此可能有查询字符串，也可能没有。在url"http://www.imgur.com"中没有查询字符串。括号用于分组。我们想将"(http://i.imgur.com/(.*))"分组为一个整体，因为它与url匹配，并且其中还有另一个组匹配您请求的页面（这是"(.*)"）。我们想将"(\?.*)?"分组，因为它匹配查询字符串。

以下是帮助您理解的图示：

- abden003

Answer 3

(http://i.imgur.com/(.*))(\?.*)?

第一个捕获组 (http://i.imgur.com/(.*)) 表示字符串应以 http://i.imgur.com/ 开头，后跟任意数量的字符 (.*) (这是一种不好的正则表达式写法，不建议使用)。 (.*) 也是第二个捕获组。

第三个捕获组 (\?.*) 表示该字符串部分必须以 ? 开始，然后包含任意数量的任何字符，如上所述。

最后的 ? 表示最后一个捕获组是可选的。

编辑： 然后可以将这些组用作：

p = re.compile(r'(http://i.imgur.com/(.*))(\?.*)?')
m = p.match('ab')
m.group(0);
m.group(2);

为了改进正则表达式，您必须将引擎限制在所需的字符上，例如：

(http://i.imgur.com/([A-z0-9\-]+))(\?[[^/]+*)?

[A-z0-9\-]+ 限制为字母数字字符
[^/] 排除 /

- xyz

---

所以基本上，每个括号都是一个组？ 另外，您建议如何改进不良的正则表达式，为什么它不好？ - Vatsal Mishra