Python 如何使用正则表达式获取定义字符串前的第一句话

我正在做一些刮取，我想刮取src元素的某个部分，但不确定如何使用regex来完成。这里有能帮我的regex忍者吗

srcset="https://cimg.co/w/articles/1/5ca/f022bb06dc.png 150w, https://cimg.co/w/articles/2/5ca/f022bb06dc.png 300w, https://cimg.co/w/articles/3/5ca/f022bb06dc.png 600w, https://cimg.co/w/articles/4/5ca/f022bb06dc.png 1200w"

我想在1200w之前的第一个url。因此，结果应该是：

https://cimg.co/w/articles/4/5ca/f022bb06dc.png

为什么我需要regex作为最后一个元素：

---

提前感谢，祝您周末愉快：）

不需要正则表达式。您可以使用字符串方法

split

和

partition

：

In [181]: srcset = "https://cimg.co/w/articles/1/5ca/f022bb06dc.png 150w, https://cimg.co/w/articles/2/5ca/f022bb06dc.png 300w, https://cimg.co/w/articles/3/5ca/f022bb06dc.png 600w, https://cimg.co/w/arti
     ...: cles/4/5ca/f022bb06dc.png 1200w"                                                                                                                                                                  

In [182]: def get_url(srcset): 
     ...:     for str_ in srcset.split(','): 
     ...:         url, _, ext = str_.strip().partition(' ') 
     ...:         if ext == '1200w': 
     ...:             return url 
     ...:                                                                                                                                                                                                   

In [183]: get_url(srcset)                                                                                                                                                                                   
Out[183]: 'https://cimg.co/w/articles/4/5ca/f022bb06dc.png'

假设

，

没有URL

---

如果必须使用正则表达式，可以执行以下操作：

https?://\S+(?=\s+1200w\b)

因此：

• https？：//\S+

  与URL匹配
• 零宽度正向前瞻（

  （？=\s+1200w\b）

  ）确保URL后面有一个或多个空格（

  \s+

  ），然后

  1200w

OTOH，如果您对基于HTTP方案的匹配不满意，您可以匹配开始或

，

，并获取第一个捕获的组：

In [185]: re.search(r'(?:^|,\s+)(\S+)\s+1200w\b', srcset).group(1)                                                                                                                                          
Out[185]: 'https://cimg.co/w/articles/4/5ca/f022bb06dc.png'

或：

---

您可以使用此正则表达式：

搜索

r“600w，（.*）1200w”

，您的第1组应该返回您要查找的url。

模式

+？（？=1200w）

将匹配除换行符以外的任何字符1+次，直到右侧为

1200

要使用正则表达式获得更具体的匹配，可以使用捕获组：

\bsrcset="[^"]* (https?://\S+)\s+1200w"

|

例如：

import re
regex = r'\bsrcset="[^"]* (https?://\S+)\s+1200w"'
test_str = """srcset=\"https://cimg.co/w/articles/1/5ca/f022bb06dc.png 150w, https://cimg.co/w/articles/2/5ca/f022bb06dc.png 300w, https://cimg.co/w/articles/3/5ca/f022bb06dc.png 600w, https://cimg.co/w/articles/4/5ca/f022bb06dc.png 1200w\""""

matches = re.search(regex, test_str)
if matches:
    print(matches.group(1))

结果

https://cimg.co/w/articles/4/5ca/f022bb06dc.png

---

你需要展示自己完成它的尝试。使用可爱的regexI工具，直到：

+？（？=1200w）

然后卡住。还使用了regex101.com，我使用的是Django Dynamic Scraper，因此我需要使用regex。

import re
regex = r'\bsrcset="[^"]* (https?://\S+)\s+1200w"'
test_str = """srcset=\"https://cimg.co/w/articles/1/5ca/f022bb06dc.png 150w, https://cimg.co/w/articles/2/5ca/f022bb06dc.png 300w, https://cimg.co/w/articles/3/5ca/f022bb06dc.png 600w, https://cimg.co/w/articles/4/5ca/f022bb06dc.png 1200w\""""

matches = re.search(regex, test_str)
if matches:
    print(matches.group(1))

https://cimg.co/w/articles/4/5ca/f022bb06dc.png