使用Python regex忽略字符串中的“：”

Question

我对regex.这个世界还很陌生，因此，如果这听起来很基本，我很抱歉。我已经读完了regex社区和Lopez关于为Python掌握regex的书，以确保我没有发布初学者级别的问题。你知道吗

我已经从wiki中搜集了数据（用于学习），我正在尝试提取字符串

a）以\wiki开头

b）不包含:

以下是文本：

/wiki/Template:Kevin_Bacon
/wiki/Category:Best_Miniseries_or_Television_Movie_Actor_Golden_Globe_winners
/wiki/Al_Pacino
/wiki/Paul_Giamatti
/wiki/Kevin_Costner
/wiki/Kevin_Costner
/wiki/Michael_Douglas
/wiki/Mark_Ruffalo
/wiki/Idris_Elba
/wiki/Bryan_Cranston
/wiki/Alexander_Skarsg%C3%A5rd
/wiki/Biblioteca_Nacional_de_Espa%C3%B1a
/wiki/Template:Kevin_Bacon
https://hy.wikipedia.org/wiki/%D5%94%D6%87%D5%AB%D5%B6_%D4%B2%D5%A5%D5%B5%D6%84%D5%B8%D5%B6

输出必须分组，即我应该得到这些字符串的列表（或元组）：

/wiki/Al_Pacino
/wiki/Paul_Giamatti
/wiki/Kevin_Costner
/wiki/Kevin_Costner
/wiki/Michael_Douglas
/wiki/Mark_Ruffalo
/wiki/Idris_Elba
/wiki/Bryan_Cranston
/wiki/Alexander_Skarsg%C3%A5rd
/wiki/Biblioteca_Nacional_de_Espa%C3%B1a

以下是我提取字符串的尝试：

a）使用消极前瞻： 其思想是不要选择后跟:的字符串 r^/wiki/.*(?!:).* 但是，上面的代码仍然选择带有:的字符串，即/wiki/Template:Kevin_Bacon

b）强制regex不选择:^/wiki/.*[^:].* 但是，上面的代码仍然选择带有:的字符串，即/wiki/Template:Kevin_Bacon

c）使用量词指定:应该出现零次^/wiki/.*:{0}.*$ 但是，上面的代码仍然选择带有:的字符串，即/wiki/Template:Kevin_Bacon

我有两个问题：

a）我真的很喜欢regex。有人能解释一下上述尝试有什么问题吗？你知道吗

b）如何使用上述方法解决问题？你知道吗

我将在python中使用regex模块。按照SO的指导方针，我试着在regex101网站上调试regex。下面是链接：https://regex101.com/r/Wt40Cz/1

我真诚地感谢你的帮助。提前谢谢。你知道吗

Answer 1

试试regex ^\/wiki\/[^:]*?$

它将匹配以/wiki/开始的字符串，然后这个[^:]*?将匹配没有:的字符，直到$结束

在正则表达式中，^/wiki/.*[^:].*$，有两个.*，因此:将与任何一个.*一起逃逸。因此，[^:]*将足以捕获所有内容

Regex

Answer 2

你的正则表达式是错误的。你知道吗

^/wiki/.*[^:].*

解析如下：

• ^：匹配行的开头
• /wiki/：匹配文字序列/wiki/
• .*：匹配任意字符的零个或多个
• [^:]：匹配任何不是:
• .*：匹配任意字符的零个或多个

所以它

1. 匹配行的开头（确定）
2. 匹配文字/wiki/（确定）
3. 匹配整个线路的其他部分（哦）
4. 回溯一个字符并匹配“任何不是:的字符”，只要最后一个字符不是:（嗯…）
5. 不匹配任何字符，即任何字符的零个或多个

因此您的正则表达式最终匹配整行，因为.*，除了在末尾之外，甚至从不检查:。你知道吗

现在看看正确的表达式是做什么的

^\/wiki\/[^:]+$

• ^：匹配行的开头
• /wiki/：匹配文字序列/wiki/
• [^:]+：匹配一个或多个不是:的内容

• $：匹配行尾

  1. 匹配行的开头（确定）
  2. 匹配文字/wiki/（确定）
  3. 匹配行的其余部分，除非它包含一个:，在这种情况下它失败
  4. 匹配行的结尾

希望这能帮助你更好地解决问题。我强烈推荐https://www.regex101.com用于构建和测试正则表达式（它有一个与Python兼容的regex模式），因为它还包含了对regex引擎一步一步执行的操作的解释。你知道吗

编辑：回答你的第二个问题，我认为没有其他合理的方法来构造这个表达式。不要使用lookaheads或量词，这不是它的目的。你知道吗