正则表达式向后搜索直至"/"的所有字符

Question

我在使用这个正则表达式时遇到了一些麻烦，我觉得我快搞定了。

m =re.findall('[a-z]{6}\.[a-z]{3}\.[a-z]{2} (?=\" target)', 'http://domain.com.uy " target')

这个正则表达式给了我想要的“准确”输出，也就是 domain.com.uy，但显然这只是个例子，因为 [a-z]{6} 只是匹配前面的6个字符，这不是我想要的。

我希望它能返回 domain.com.uy，所以基本上我的要求是匹配任何字符，直到遇到“/”为止（反向匹配）。

编辑：

m =re.findall('\w+\.[a-z]{3}\.[a-z]{2} (?=\" target)', 'http://domain.com.uy " target')

这个正则表达式离我想要的很近，但它不匹配“_”或“-”。

为了完整起见，我不需要 http://。

我希望这个问题足够清楚，如果我有哪里没说清楚，请随时问我需要澄清的地方！

提前谢谢大家！

Answer 1

如果你不需要使用正则表达式，只是想从网址中提取出完整域名（FQDN），可以在Python中使用 urlparse 和 str.split() 方法。

>>> from urlparse import urlparse
>>> url = 'http://domain.com.uy " target'
>>> urlparse(url)
ParseResult(scheme='http', netloc='domain.com.uy " target', path='', params='', query='', fragment='')

这样做会把网址分解成几个部分。我们需要的是 netloc 这一部分：

>>> urlparse(url).netloc
'domain.com.uy " target'

接下来，按空格分开：

>>> urlparse(url).netloc.split()
['domain.com.uy', '"', 'target']

最后，只取第一部分：

>>> urlparse(url).netloc.split()[0]
'domain.com.uy'

Answer 2

试试这个（也许你需要在Python中对/进行转义）：

/([^/]*)$

Answer 3

另一种选择是使用一种叫做 正向查找 的方法，比如 (?<=//)：

>>> re.search(r'(?<=//).+(?= \" target)', 
...           'http://domain.com.uy " target').group(0)
'domain.com.uy'

需要注意的是，这样会匹配到网址中的斜杠，如果你需要的话：

>>> re.search(r'(?<=//).+(?= \" target)',
...           'http://example.com/path/to/whatever " target').group(0)
'example.com/path/to/whatever'

如果你只想要最简单的域名，不带任何路径或查询参数，可以使用 r'(?<=//)([^/]+)(/.*)?(?= \" target)'，并提取第一个捕获组：

>>> re.search(r'(?<=//)([^/]+)(/.*)?(?= \" target)',
...           'http://example.com/path/to/whatever " target').groups()
('example.com', '/path/to/whatever')