匹配字符串末尾的正则表达式，排除最后一个字符为斜杠（/）的情况

Question

目前，我有以下的Python正则表达式：

r'^https?://(www.)?domain.com/?(?P<path>.*)/?$'

我想用这个来替换：

r'/\g<path>/'

这个替换效果很好，但有一个情况不太对，就是当字符串的最后一个字符是斜杠（/）时。在这种情况下，.* 会贪婪地匹配掉最后的那个/，导致替换后的字符串变成了/path//。

简单来说，我是想把一个绝对路径中的域名去掉，变成相对路径，并且确保这个相对路径的开头和结尾都有一个/。

有没有办法让最后一个字符在匹配时排除掉，只有在它是/的情况下？看起来我可能需要用到某种前瞻（look-ahead），但我不太确定该怎么写。

Answer 1

别用正则表达式来处理这个问题，建议你使用urlparse模块。

下面是文档中的一个例子：

>>> from urlparse import urlparse
>>> o = urlparse('http://www.cwi.nl:80/%7Eguido/Python.html')
>>> o
ParseResult(scheme='http', netloc='www.cwi.nl:80', path='/%7Eguido/Python.html',
            params='', query='', fragment='')
>>> o.scheme
'http'
>>> o.port
80
>>> o.geturl()
'http://www.cwi.nl:80/%7Eguido/Python.html'

Answer 2

只需让星号变得懒惰：

r'^https?://(www.)?domain.com/?(?P<path>.*?)/?$'

最后的$符号确保整个字符串都会被匹配，如果字符串末尾有斜杠的话，/?总是会匹配到这个斜杠。