Products
GG网络技术分享 2025-03-18 16:15 0
This question already has an answer here:
Okay - this has boggled me for days. I\'ve tried regex with negative lookahead, but to no avail.
Basically, in PHP, I need to parse conversation threads and extract the LAST occurrence of http links that can occur by itself, or in a consecutive group of 2 or more. So, in example 1, it should return the last link, but in example 2, it should return the last 3 links.
I don’t need to achieve this with a single regex, but I’m not sure what other approaches to try. Any help would be appreciated!!
Lorem ipsum dolor sit amet, consectetur adipiscing elit.
In pharetra elementum dui vel pretium. Quisque rutrum mauris vitae
turpis hendrerit facilisis. Sed ultrices imperdiet ornare.
Lorem ipsum dolor sit amet, consectetur adipiscing elit.
In pharetra elementum dui vel pretium. Quisque rutrum mauris vitae
turpis hendrerit facilisis. Sed ultrices imperdiet ornare.http://sample.com/24689.png
http://sample.com/13578.png
http://sample.com/98761.png
</div>图片转代码服务由CSDN问答提供
感谢您的意见，我们尽快改进~
功能建议此问题已经存在 这里有一个答案：</ p>
1回答
</ span> \\ r
</ li>
</ ul>
</ div>
好的 - 这让我感到震惊了好几天。 我已尝试使用负前瞻的正则表达式，但无济于事。</ p>
基本上，在PHP中，我需要解析会话线程并提取可能自身发生的最后一次出现的http链接， 或连续2个或更多的组。 因此，在示例1中，它应该返回最后一个链接，但是在示例2中，它应该返回最后3个链接。</ p>
我不需要使用单个正则表达式实现此目的， 但我不确定还有其他尝试方法。 任何帮助将不胜感激!! </ p>
Lorem ipsum dolor sit amet，consectetur adipiscing elit。 </ p>
http://sample.com/12345.png </ p>
在pharetra elementum dui vel pretium中。 Quisque rutrum maurise
turpis hendrerit facilisis。 Sed ultrices imperdiet ornare。</ p>
http://sample.com/13578。 png </ p>
</ blockquote>
示例2：</ h2>
Lorem ipsum dolor sit amet，consectetur adipiscing elit。 </ p>
http://sample.com/12345.png </ p>
在pharetra elementum dui vel pretium中。 Quisque rutrum maurise
turpis hendrerit facilisis。 Sed ultrices imperdiet ornare。</ p>
http://sample.com/24689。 png
http://sample.com/13578.png
http://sample.com/98761.png
</ p></ blockquote>
</ div>
网友观点：
1) Split your Text on the delimiter
\\s.$resultArray = preg_split(\\\"@\\s@\\\", $conversation)on example:
$conversation = \\\"Hallo, http://1.de text http://2.dehttp://3.de Hello\\\";
(This will produce something like this as intermediate result:)
Array(
[0] => Hallo,
[1] => http://1.de
[2] => text
[3] => http://2.de
[4] =>
[5] => http://3.de
[6] => Hello
)
2.) Finally, reverse iterate over the result array. Start \\\"matching\\\", if the result starts with \\\"http://\\\" - stop matching if you encounter anything else, Ignore Empty lines as well as lines with whitespaces only.:
$conversation = \\\"Hallo, http://1.de text http://2.dehttp://3.de Hello\\\";
$resultArray = preg_split(\\\"@\\s@\\\", $conversation);
$result = array();
$matching = false;
for ($i = count($resultArray)-1; $i >= 0; $i--){
if (preg_match(\\\"@http:\\/\\/@\\\", $resultArray[$i])){
$matching=true;
$result[] = $resultArray[$i];
} else if (preg_match(\\\"@^\\s*$@\\\", $resultArray[$i])){
//ignore this bad boy
}else{
if ($matching){
break;
}
}
}
echo \\\"<pre>\\\";
print_r(array_reverse($result));
echo \\\"</pre>\\\";
yields:
Array(
[0] => http://2.de
[1] => http://3.de
)
经Jerry编程小课堂之正则表达式与pathon之re模块
亲爱的小伙伴们大家好呀！经Jerry编程小课堂又开课了哟！大家有没有想我呢？嘿嘿嘿，我是很想大家的哟，嘤嘤嘤！
今天呢，我们来聊一聊正则表达式。什么是正则表达式呢？如果我们翻看正则表达式“圣经”，由Jeffrey.E.F.Friedl写的《精通正则表达式》，我们会发现下面一段话。（别问我他的名字怎么这么长，嘿嘿嘿）
正则表达式（Regular Expression）是强大、便捷、高效的文本处理工具。正则表达式本身，加上如同一门袖珍编程语言的通用模式表达法（general pattern notation)，赋予使用者描述和分析文本的能力。配合上特定工具提供的额外支持，正则表达式能够添加、删除、分离、叠加、插入和修正各种类型的文本和数据。
这样，是不是非常好理解了呢？没错，正则表达式可以帮助我们处理文本，能够对文本和数据进行添加、删除、分离、叠加、插入和修正。是不是感觉非常的强大呢？没错，就是这么强大。
正则表达式有几种缩写的形式，比如regex、regexp或者re，在python中的正则表达式re模块就是用的第三种缩写。那么，学习正则表达式之前我们先要做些什么呢？嗯，其实下面的这张几表就是你需要记住的内容。先来看看吧！
1、字符组
在同一个位置可能出现的各种字符组成了一个字符组，在正则表达式中用[]表示。
正则 待匹配字符 匹配
结果说明 [0123456789] 8 True 在一个字符组里枚举合法的所有字符，字符组里的任意一个字符
和"待匹配字符"相同都视为可以匹配[0123456789] a False 由于字符组中没有"a"字符，所以不能匹配 [0-9] 7 True 也可以用-表示范围,[0-9]就和[0123456789]是一个意思 [a-z] s True 同样的如果要匹配所有的小写字母，直接用[a-z]就可以表示 [A-Z] B True [A-Z]就表示所有的大写字母 [0-9a-fA-F] e True 可以匹配数字，大小写形式的a～f，用来验证十六进制字符 2、字符
元字符 匹配内容 . 匹配除换行符以外的任意字符 \\w 匹配字母或数字或下划线 \\s 匹配任意的空白符 \\d 匹配数字 \\n 匹配一个换行符 \\t 匹配一个制表符 \\b 匹配一个单词的结尾 ^ 匹配字符串的开始 $ 匹配字符串的结尾 \\W 匹配非字母或数字或下划线 \\D 匹配非数字 \\S 匹配非空白符 a|b 匹配字符a或字符b () 匹配括号内的表达式，也表示一个组 [...] 匹配字符组中的字符 [^...] 匹配除了字符组中字符的所有字符
3、量词
量词 用法说明 * 重复零次或更多次 + 重复一次或更多次 ? 重复零次或一次 {n} 重复n次 {n,} 重复n次或更多次 {n,m} 重复n到m次
这些表格是不是有点长，看起来有点晕？没关系，多看两遍，不一定要全部记住，但是要收藏下来，需要用到的时候随时翻出来看。下面，我们来举几个例子。
1、. ^ $
正则 待匹配字符 匹配结果 说明 a. abacad abacad 匹配所有"a."的字符 ^a. abacad ab 只从开头匹配"a." a.$ abacad ad 只匹配结尾的"a.$"
2、* + ? { }
正则 待匹配字符 匹配结果 说明 a.? abefacgad ab
acad?表示重复零次或一次，即只匹配"a"后面一个任意字符。 a.* abefacgad abefacgad *表示重复零次或多次，即匹配"a"后面0或多个任意字符。 a.+ abefacgad abefacgad +表示重复一次或多次，即只匹配"a"后面1个或多个任意字符。 a.{1,2} abefacgad abe
acgad{1,2}匹配1到2次任意字符。
注意：前面的*,+,?等都是贪婪匹配，也就是尽可能匹配，后面加?号使其变成惰性匹配
正则 待匹配字符 匹配结果 说明 a.*? abefacgad a
aa惰性匹配
3、字符集［］［^］
正则 待匹配字符 匹配结果 说明 a[befcgd]* abefacgad abef
acgad表示匹配"a"后面[befcgd]的字符任意次 a[^f]* abefacgad abe
acgad表示匹配一个不是"f"的字符任意次 [\\d] 412a3bc 4
123表示匹配任意一个数字，匹配到4个结果 [\\d]+ 412a3bc 412
3表示匹配任意个数字，匹配到2个结果
4、分组 ()与 或 ｜［^］
身份证号码是一个长度为15或18个字符的字符串，如果是15位则全部由数字组成，首位不能为0；如果是18位，则前17位全部是数字，末位可能是数字或x，下面我们尝试用正则来表示：
正则 待匹配字符 匹配结果 说明 ^[1-9]\\d{13,16}[0-9x]$ 110101198001017032 110101198001017032 表示可以匹配一个正确的身份证号 ^[1-9]\\d{13,16}[0-9x]$ 1101011980010170 1101011980010170 表示也可以匹配这串数字，但这并不是一个正确的身份证号码，它是一个16位的数字 ^[1-9]\\d{14}(\\d{2}[0-9x])?$ 1101011980010170 False 现在不会匹配错误的身份证号了
()表示分组，将\\d{2}[0-9x]分成一组，就可以整体约束他们出现的次数为0-1次^([1-9]\\d{16}[0-9x]|[1-9]\\d{14})$ 110105199812067023 110105199812067023 表示先匹配[1-9]\\d{16}[0-9x]如果没有匹配上就匹配[1-9]\\d{14}
5、转义符 \\
在正则表达式中，有很多有特殊意义的是元字符，比如\\n和\\s等，如果要在正则中匹配正常的"\\n"而不是"换行符"就需要对"\\"进行转义，变成'\\\\'。
在python中，无论是正则表达式，还是待匹配的内容，都是以字符串的形式出现的，在字符串中\\也有特殊的含义，本身还需要转义。所以如果匹配一次"\\n",字符串中要写成'\\\\n'，那么正则里就要写成"\\\\\\\\n",这样就太麻烦了。这个时候我们就用到了r'\\n'这个概念，此时的正则是r'\\\\n'就可以了。
正则 待匹配字符 匹配
结果说明 \\n \\n False 因为在正则表达式中\\是有特殊意义的字符，所以要匹配\\n本身，用表达式\\n无法匹配 \\\\n \\n True 转义\\之后变成\\\\，即可匹配 "\\\\\\\\n" '\\\\n' True 如果在python中，字符串中的'\\'也需要转义，所以每一个字符串'\\'又需要转义一次 r'\\\\n' r'\\n' True 在字符串之前加r，让整个字符串不转义
6、贪婪匹配
贪婪匹配：在满足匹配时，匹配尽可能长的字符串，默认情况下，采用贪婪匹配
正则 待匹配字符 匹配结果 说明 <.*> <script>...<script> <script>...<script> 默认为贪婪匹配模式，会匹配尽量长的字符串 <.*?> <script>...<script> <script>
<script>加上？为将贪婪匹配模式转为非贪婪匹配模式，会匹配尽量短的字符串
几个常用的非贪婪匹配Pattern
*? 重复任意次，但尽可能少重复+? 重复1次或更多次，但尽可能少重复
?? 重复0次或1次，但尽可能少重复
{n,m}? 重复n到m次，但尽可能少重复
{n,}? 重复n次以上，但尽可能少重复
.*?的用法
. 是任意字符* 是取 0 至 无限长度
? 是非贪婪模式。
何在一起就是 取尽量少的任意字符，一般不会这么单独写，他大多用在：
.*?x
就是取前面任意长度的字符，直到一个x出现
好，下面我们讲一讲正则表达式在python中的应用。对啦，就是re模块。下面是re模块的几种常用方法：
1、re.compile（pattern，flags = 0 ）
将正则表达式模式编译为正则表达式对象，可使用match()，search()以及下面所述的其他方法将其用于匹配
>>> prog = re.compile('\\d{2}') # 正则对象
>>> prog.search('12abc')<_sre.SRE_Match object; span=(0, 2), match='12'>
>>> prog.search('12abc').group() # 通过调用group()方法得到匹配的字符串,如果字符串没有匹配，则返回None。'12'
>>> prog.match('123abc')<_sre.SRE_Match object; span=(0, 2), match='12'>
>>> prog.match('123abc').group()'12'
>>>
2、re.search（pattern，string，flags = 0 ）
扫描字符串以查找正则表达式模式产生匹配项的第一个位置 ，然后返回相应的match对象。None如果字符串中没有位置与模式匹配，则返回；否则返回false。请注意，这与在字符串中的某个点找到零长度匹配不同。
#在这个字符串进行匹配，只会匹配一个对象
>>> re.search('\\w+','abcde').group()'abcde'>>> re.search('a','abcde').group()'a'
>>>
3、re.match（pattern，string，flags = 0 ）
如果字符串开头的零个或多个字符与正则表达式模式匹配，则返回相应的匹配对象。None如果字符串与模式不匹配，则返回；否则返回false。请注意，这与零长度匹配不同。
# 同search,不过在字符串开始处进行匹配，只会匹配一个对象
>>> re.match('a','abcade').group()'a'
>>> re.match('\\w+','abc123de').group()'abc123de'
>>> re.match('\\D+','abc123de').group() #非数字'abc'
>>>
4、re.fullmatch（pattern，string，flags = 0 ）
如果整个字符串与正则表达式模式匹配，则返回相应的match对象。None如果字符串与模式不匹配，则返回；否则返回false。请注意，这与零长度匹配不同。
>>> re.fullmatch('\\w+','abcade').group()'abcade'
>>> re.fullmatch('abcade','abcade').group()'abcade'
>>>
5、re.split（pattern，string，maxsplit = 0，flags = 0 ）
通过出现模式来拆分字符串。如果在pattern中使用了捕获括号，那么模式中所有组的文本也将作为结果列表的一部分返回。如果maxsplit不为零，则最多会发生maxsplit分割，并将字符串的其余部分作为列表的最后一个元素返回。
>>> re.split('[ab]', 'abcd') # 先按'a'分割得到''和'bcd',在对''和'bcd'分别按'b'分割
['', '', 'cd']>>> re.split(r'\\W+', 'Words, words, words.')
['Words', 'words', 'words', '']>>> re.split(r'(\\W+)', 'Words, words, words.')
['Words', ', ', 'words', ', ', 'words', '.', '']>>> re.split(r'\\W+', 'Words, words, words.', 1)
['Words', 'words, words.']>>> re.split('[a-f]+', '0a3B9', flags=re.IGNORECASE)
['0', '3', '9']
如果分隔符中有捕获组，并且该匹配组在字符串的开头匹配，则结果将从空字符串开始。字符串的末尾也是如此：
>>> re.split(r'(\\W+)', '...words, words...')
['', '...', 'words', ', ', 'words', '...', '']
6、re.findall（pattern，string，flags = 0 ）
以string列表形式返回string中pattern的所有非重叠匹配项。从左到右扫描该字符串，并以找到的顺序返回匹配项。如果该模式中存在一个或多个组，则返回一个组列表；否则，返回一个列表。如果模式包含多个组，则这将是一个元组列表。空匹配项包含在结果中。
>>> re.findall('a', 'This is a beautiful place!')
['a', 'a', 'a']>>>
7、re.finditer（pattern，string，flags = 0 ）
返回一个迭代器，该迭代器在string类型的RE 模式的所有非重叠匹配中产生匹配对象。 从左到右扫描该字符串，并以找到的顺序返回匹配项。空匹配项包含在结果中。
>>> re.finditer('[ab]', 'This is a beautiful place!')<callable_iterator object at 0x0000000000DCDA90> #迭代器对象
>>> ret=re.finditer('[ab]', 'This is a beautiful place!')>>> next(ret).group() #查看下一个匹配值'a'
>>> [i.group() for i in ret] #查看剩下所有匹配的值
['b', 'a', 'a']>>>
8、re.sub（pattern，repl，string，count = 0，flags = 0 ）
返回通过用替换repl替换字符串中最左边的不重叠模式所获得的字符串。如果找不到该模式， 则返回的字符串不变。 repl可以是字符串或函数；如果是字符串，则处理其中的任何反斜杠转义。即，将其转换为单个换行符，将其转换为回车，依此类推。count参数表示将匹配到的内容进行替换的次数
>>> re.sub('\\d', 'S', 'abc12jh45li78', 2) #将匹配到的数字替换成S,替换2个'abcSSjh45li78'
>>> re.sub('\\d', 'S', 'abc12jh45li78') #将匹配到所有的数字替换成S'abcSSjhSSliSS'
>>>
9、re.subn（pattern，repl，string，count = 0，flags = 0 ）
执行与相同的操作sub()，但返回一个元组。(new_string, number_of_subs_made)
>>> re.subn('\\d', 'S', 'abc12jh45li78', 3)
('abcSSjhS5li78', 3)>>>
10、re.escape(pattern)
escape中的所有字符图案，除了ASCII字母，数字和'_'。如果要匹配可能包含正则表达式元字符的任意文字字符串，这将很有用。
>>> re.escape('python.exe\\n')'python\\\\.exe\\\\\\n'
>>>
11、search（）与match（）方法
Python提供了两种基于正则表达式的原始操作： re.match()仅在字符串的开头匹配，re.search()检查匹配项，在字符串中的任何位置检查匹配项（这是Perl的默认设置）。
>>> re.match("c", "abcdef") #Not match
>>> re.search("c", "abcdef") #match
<_sre.SRE_Match object; span=(2, 3), match='c'>
>>>
以开头的正则表达式'^'可用于search()限制字符串开头的匹配项：
>>> re.match("c", "abcdef") #Not match
>>> re.search("^c", "abcdef") #Not match
>>> re.search("^a", "abcdef") #match
<_sre.SRE_Match object; span=(0, 1), match='a'>
>>>
Demand feedback