регулярное выражение, которое соответствует строке, которая содержит текст

Question

Мне нужно регулярное выражение, которое соответствует

re.compile('userpage') 


href="www.example.com?u=userpage&as=233&p=1" 
href="www.example.com?u=userpage&as=233&p=2" 

Я хочу, чтобы все адреса, которые имеют и = userpage и р = 1

Как я могу изменить регулярное выражение выше, чтобы найти u = userpage и p = 1?

Answer 1

/((u=userpage).*?(p=1))|((p=1).*?(u=userpage))/

Это позволит получить все строки, содержащие два бита, которые вы ищете.

Answer 2

Чтобы убедиться, что вы случайно не соответствуют части как bu=userpage, u=userpagezap, p=111 или zap=1, вам необходимо обильное использование \b «слово-граничном» RE шаблон элемента. Т.е .:

re.compile(r'\bp=1\b.*\bu=userpage\b|\bu=userpage\b.*\bp=1\b') 

Слово-граничных элементов в рисунке RE предотвращают вышеупомянутые, по-видимому, нежелательные «случайных» совпадений. Конечно, если в вашем заявлении они не «нежелательно», то есть, если вы положительно хотите в соответствии с p=123 и т. П., Вы можете легко удалить некоторые или все элементы, расположенные выше! -)

Answer 3

import lxml.html, urlparse 

d = lxml.html.parse(...) 
for link in d.xpath('//a/@href'): 
    url = urlparse.urlparse(link) 
    if not url.query: 
     continue 
    params = urlparse.parse_qs(url.query) 
    if 'userpage' in params.get('u', []) and '1' in params.get('p', []): 
     print link 

Answer 4

Это можно сделать с помощью взлома строки, но вы не должны. Уже в стандартной библиотеке:

>>> import urllib.parse 
>>> urllib.parse.parse_qs("u=userpage&as=233&p=1") 
{'u': ['userpage'], 'as': ['233'], 'p': ['1']} 

и, следовательно,

import urllib.parse 
def filtered_urls(urls): 
    for url in urls: 
     try: 
      attrs = urllib.parse.parse_qs(url.split("?")[ 1 ]) 
     except IndexError: 
      continue 

     if "userpage" in attrs.get("u", "") and "1" in attrs.get("p", ""): 
      yield url 

foo = [ "www.example.com?u=userpage&as=233&p=1", "www.example.com?u=userpage&as=233&p=2" ] 

print(list(filtered_urls(foo))) 

Обратите внимание, что это Python 3 - в Python parse_qs находится в urlparse вместо.

Answer 5

, если вы хотите использовать, на мой взгляд, что-то более правильный подход, чем регулярное выражение:

from urlparse import * 
urlparsed = urlparse('www.example.com?u=userpage&as=233&p=1') 
# -> ParseResult(scheme='', netloc='', path='www.example.com', params='', query='u=userpage&as=233&p=1', fragment='') 
qdict = dict(parse_qsl(urlparsed.query)) 
# -> {'as': '233', 'p': '1', 'u': 'userpage'} 
qdict.get('p') == '1' and qdict.get('u') == 'userpage' 
# -> True 

Answer 6

Regex не является хорошим выбором для этого, потому что 1) Титулы могут появиться в любом порядке, и 2) вам нужно выполнить дополнительные проверки для разделителей запросов, чтобы вы не соответствовали потенциальным таким странностям, как «flu = userpage», «sp = 1», «u = userpage% 20haha» или «s = 123». (Примечание: Я пропустил два из этих случаев на моем первом проходе! Так же были и другие.) Также: 3) у вас уже есть хорошая библиотека синтаксического анализа URL в Python, которая выполняет эту работу за вас.

с регулярным выражением вам нужно что-то неуклюжее, как:

q = re.compile(r'([?&]u=userpage&(.*&)?p=1(&|$))|([?&]p=1&(.*&)?u=userpage(&|$))') 
return q.search(href) is not None 

С urlparse вы можете сделать это. urlparse дает вам немного больше, чем вы хотите, но вы можете использовать вспомогательную функцию, чтобы результат был простым:

def has_qparam(qs, key, value): 
    return value in qs.get(key, []) 

qs = urlparse.parse_qs(urlparse.urlparse(href).query) 
return has_qparam(qs, 'u', 'userpage') and has_qparam(qs, 'p', '1')