为什么正则表达式拆分返回的组件比预期的多？

Question

所以下面的regex（用python3编写）只是一部分，它将被添加到一个更大的regex中，以将url拆分为模式、域和路径。这部分正在提取路径。你知道吗

link = "http://google.com/whatever/who/jx.html"
components = re.split(r'(?<![:/])(/.*$)', link)

返回以下内容：

['http://google.com', '/whatever/who/jx.html', '']

为什么正则表达式在列表末尾返回一个额外的元素？你知道吗

Answer 1

它认为最好在这里使用^{}和稍微不同的模式：

>>> import re
>>> link = "http://google.com/whatever/who/jx.html"
>>> re.match("(https?://.+?)(/.*$)", link).groups()
('http://google.com', '/whatever/who/jx.html')
>>>

下面是上面使用的正则表达式模式匹配的细分：

(        # The start of the first capture group
http     # http
s?       # An optional s
://      # ://
.+?      # One or more characters matched non-greedily
)        # The close of the first capture group
(        # The start of the second capture group
/        # /
.*       # Zero or more characters
$        # The end of the string
)        # The close of the second capture group