使用正则表达式搜索图像文件

Question

我有一个文本文件，内容大概是这样的：

[22/Nov/2011 12:57:58] "GET /media/js/jquery-1.4.3.min.js HTTP/1.1" 304 0
[22/Nov/2011 12:57:58] "GET /media/js/fancybox/fancybox-x.png HTTP/1.1" 304 0
[22/Nov/2011 12:57:59] "GET /media/js/fancybox/fancybox-y.png HTTP/1.1" 304 0
[22/Nov/2011 12:57:59] "GET /media/js/fancybox/blank.gif HTTP/1.1" 304 0
[22/Nov/2011 12:57:59] "GET /ajax/pages/erlebnisse/ HTTP/1.1" 200 563
[22/Nov/2011 12:58:00] "GET /erlebnisse/alle-erlebnisse/ HTTP/1.1" 200 17114

我想用正则表达式来找出所有出现的图片文件（.gif、.jpg、.png）。所以从上面的文本中，我想得到的结果是：

['fancybox-x.png', 'fancybox-y.png', 'blank.gif']

我做的事情是：

re.findall('\w+\.(jpg|gif|png)', f.read())

所以我的模式是：

一个或多个字母数字字符 (\w+) 后面跟一个点 (\.)，然后是 'jpg'、'gif' 或 'png' (jpg|gif|png)。

这个方法确实有效，但让我困惑的是，括号的内容（我只是用来“分组”）被当成了 group(1)，所以结果是：

['png', 'png', 'gif']

这个结果是对的，但不完整。换句话说，我想知道，我该如何让 re.findall() 区分“分组”用的括号和用来指定组的括号？

Answer 1

如果你想找到整个匹配的内容，可以在第0组里找到它。如果你想找字符串的其他部分，可以加上额外的小括号。

Answer 2

你可以再加一对括号，然后在里面用?:

re.findall('/([^/]+\.(?:jpg|gif|png))', f.read())

注意，\w是匹配不了“-”这个符号的，所以我建议你用[^/]+。

Answer 3

你在寻找一种不捕获的普通括号版本 (?:...)。相关的描述可以在 re模块文档 中找到。

s ='''[22/Nov/2011 12:57:58] "GET /media/js/jquery-1.4.3.min.js HTTP/1.1" 304 0
[22/Nov/2011 12:57:58] "GET /media/js/fancybox/fancybox-x.png HTTP/1.1" 304 0
[22/Nov/2011 12:57:59] "GET /media/js/fancybox/fancybox-y.png HTTP/1.1" 304 0
[22/Nov/2011 12:57:59] "GET /media/js/fancybox/blank.gif HTTP/1.1" 304 0
[22/Nov/2011 12:57:59] "GET /ajax/pages/erlebnisse/ HTTP/1.1" 200 563
[22/Nov/2011 12:58:00] "GET /erlebnisse/alle-erlebnisse/ HTTP/1.1" 200 17114'''

import re

for m in re.findall('([-\w]+\.(?:jpg|gif|png))', s):
    print m