0

Собственно говоря появляются лишние результаты поиска, нужно только доставать ссылки заданного формата из текста.


import re
hl_pattern=r'hl=[a-z]{2}(\-[a-z]{2})?'
http_pattern=r'((http|https):\/\/)?(www\.)?'
login_pattern=r'[a-zA-Z0-9_\.]*[a-zA-Z]+[a-zA-Z0-9_\.]*'
image_hash_pattern=r'[a-zA-Z0-9_\-]*[a-zA-Z]+[a-zA-Z0-9_\-]*'
taken_by_pattern=r'taken-by=[a-zA-Z0-9_\.]*[a-zA-Z]+[a-zA-Z0-9_\.]*'
account_link_pattern=r'\b({0}instagram.com/{1}(\/\?{2})?\/?)\b'.format(http_pattern,login_pattern,hl_pattern)
image_link_pattern=r'\b({0}instagram.com/p/{1}(\/\?{2})?(\/\?{3})?(&{3})?\/?)\b'.format(http_pattern,image_hash_pattern,taken_by_pattern,hl_pattern)

def MainLogic(message):
    acc_reg=re.compile(account_link_pattern)
    im_reg=re.compile(image_link_pattern)
    account_links=re.findall(acc_reg,message)
    image_links=re.findall(im_reg,message)
    return account_links+image_links

MainLogic('http://instagram.com/mikaev , https://www.instagram.com/p/BXvBcb7jB3x/')

Результат:

[('http://instagram.com/mikaev', 'http://', 'http', '', '', ''),
 ('https://www.instagram.com/p/', 'https://', 'https', 'www.', '', ''),
 ('https://www.instagram.com/p/BXvBcb7jB3x',
  'https://',
  'https',
  'www.',
  '',
  '',
  '',
  '',
  '')]

А нужны только 3 ссылки.


Помогите пожалуйста, спасибо большое!

2
  • Автор, опиши свою задачу. Ты сейчас написал кучу абсолютно неподдерживаемых регулярок и сам не понимаешь, как они работают. При этом в твоём случае достаточно str.index("instagram.com/") и поиск от этой позиции до конца ссылки. Зачем здесь регулярки? 16 авг 2017 в 10:51
  • какие 3 ссылки нужны? 16 авг 2017 в 10:51

1 ответ 1

0

Используйте группы без обратной связи (?:шаблон)

import re
hl_pattern=r'hl=[a-z]{2}(?:\-[a-z]{2})?'
http_pattern=r'(?:(?:http|https):\/\/)?(?:www\.)?'
login_pattern=r'[a-zA-Z0-9_\.]*[a-zA-Z]+[a-zA-Z0-9_\.]*'
image_hash_pattern=r'[a-zA-Z0-9_\-]*[a-zA-Z]+[a-zA-Z0-9_\-]*'
taken_by_pattern=r'taken-by=[a-zA-Z0-9_\.]*[a-zA-Z]+[a-zA-Z0-9_\.]*'
account_link_pattern=r'\b({0}instagram.com/{1}(?:\/\?{2})?\/?)\b'.format(http_pattern,login_pattern,hl_pattern)
image_link_pattern=r'\b({0}instagram.com/p/{1}(?:\/\?{2})?(?:\/\?{3})?(?:&{3})?\/?)\b'.format(http_pattern,image_hash_pattern,taken_by_pattern,hl_pattern)

def MainLogic(message):
    acc_reg=re.compile(account_link_pattern)
    im_reg=re.compile(image_link_pattern)
    account_links=re.findall(acc_reg,message)
    image_links=re.findall(im_reg,message)
    return account_links+image_links

t = MainLogic('http://instagram.com/mikaev , https://www.instagram.com/p/BXvBcb7jB3x/')
print('\n'.join(str(value) for value in t))

Выводит

http://instagram.com/mikaev
https://www.instagram.com/p/
https://www.instagram.com/p/BXvBcb7jB3x

Тест https://repl.it/KLvj/0

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.