Python正则表达式不匹配http://

Question

我正面临一个问题,要匹配并替换某些单词,不包含在http://中

目前的正则表达式:

 http://.*?\s+

这符合模式 http://www.egg1.com http://www.egg2.com

我需要一个正则表达式来匹配http://之外的某些单词

例:

"This is a sample. http://www.egg1.com and http://egg2.com. This regex will only match 
 this egg1 and egg2 and not the others contained inside http:// "

 Match: egg1 egg2

 Replaced: replaced1 replaced2

最终产出:

 "This is a sample. http://www.egg1.com and http://egg2.com. This regex will only 
  match this replaced1 and replaced2 and not the others contained inside http:// "

问题:需要匹配某些模式(例如:egg1 egg2),除非它们是http://的一部分.如果它们存在于http://中,则不匹配egg1和egg2

Answer 1

我能想到的一个解决方案是为HTTP-URL和你的模式形成一个组合模式,然后相应地过滤匹配:

import re

t = "http://www.egg1.com http://egg2.com egg3 egg4"

p = re.compile('(http://\S+)|(egg\d)')
for url, egg in p.findall(t):
  if egg:
    print egg

打印:

egg3
egg4

更新:要使用此习语re.sub(),只需提供过滤功能:

p = re.compile(r'(http://\S+)|(egg(\d+))')

def repl(match):
    if match.group(2):
        return 'spam{0}'.format(match.group(3))
    return match.group(0)

print p.sub(repl, t)

打印:

http://www.egg1.com http://egg2.com spam3 spam4