基于结尾过滤字符串列表的 Python 脚本

Question

我不知道任何 python，但我需要稍微自定义一个脚本。脚本中解析了字符串并放入列表中（我猜）。然后根据它们是否以“http”开头来过滤这些字符串。我想添加的是基于文件扩展名的过滤器。所有以html或结尾的链接都xml将被过滤。

这是过滤所有超链接的代码：

links = filter (lambda x:x.startswith("http://") , links) 

我不知道为类似的东西放置 OR 运算符的正确语法 .endswith(".html) OR .endswith("xml")

我知道这会过滤所有以 结尾的链接，.html但我也需要这些.xml链接。

links = filter (lambda x:x.startswith("http://") , links) 
links = filter (lambda x:x.endswith(".html") , links) 

Answer 1

如果您至少使用 2.5，则可以将后缀元组传递给endswith. 感谢@hcwhsa 指出这一点：

links = filter(lambda x:x.endswith((".html", ".xml")), links)

如果您使用的是早期版本，则可以使用or运算符：

links = filter(lambda x:x.endswith(".html") or x.endswith(".xml"), links) 

尽管如果您不确定 x 是否已经小写，您会想要小写 x。

我可能会使用生成器表达式而不是 来做到这一点filter，当然也不会连续调用filter：

links = [link for link in links if link.startswith('http://') and link.endswith(('.html', '.xml'))]

Answer 2

我认为最好的方法是用正则表达式检查这个

>>> import re
>>> c = r"^http://.+\.(html|xml)"
>>> re.match(c, 'hello')
>>> re.match(c, 'http://data.com/word.html')
<_sre.SRE_Match object at 0x1d2a100>

答案将是

import re
regex = r"^http://.+\.(html|xml)"
links = filter(lambda x: re.match(regex, x), links)