python正则怎么提取域名

问题描述

<script type='application/ld+json'>{ '@context': 'http://schema.org', '@type': 'SaleEvent', 'name': '10% Off First Orders', 'url': 'https://www.myvouchercodes.co.uk/coggles', 'image': 'https://mvp.tribesgds.com/dyn/oh/Ow/ohOwXIWglMg/_/mQR5xLX5go8/m0Ys/coggles-logo.png', 'startDate': '2017-02-17', 'endDate': '2017-12-31', 'location': {'@type': 'Place','name': 'Coggles','url': 'coggles.co.uk','address': 'Coggles' }, 'description': 'Get the top branded fashion items from Coggles at discounted prices. Apply this code and enjoy savings on your purchase.', 'eventStatus': 'EventScheduled'}</script>

怎么用python正则从这段脚本中提取coggles.co.uk域名呢,望各路高手指点显示下身手...

问题解答

正则实现的话只要保证你的标定/特征是唯一的就好。但是'url'这个标志又不是唯一的。这个时候@prolifes的方法是很好的。

如果一定要正则实现呢，要用到零宽断言（zero-width assertions），当然这个词的翻译比较直，带来很多误解。它其实意思是指定位置的匹配，位置的宽度就是0嘛。

这里我们可以看到我们所需的这个'url'在'location'里面，可以以此为位置信息。

代码如下：

re.search(’(?<=location).+?'url': '([^']+)'’, string, re.DOTALL).group(1)

稍微解释一下，(?<=location)这个地方就是指前面得有location。后面有的话这样写：(?=location)re.DOTALL这个是必须的，因为这些字符串已经跨行了。他的作用是将.的字符串匹配范围扩大，包含换行符。'([^']+)'这个地方是我的习惯，[^']意指所有非'的字符，这就匹配了双引号中所有的字符串。

这是一段挺标准的json，粗暴一点，直接转换成json

import jsonstr = ’’’<script type='application/ld+json'>{ '@context': 'http://schema.org', '@type': 'SaleEvent', 'name': '10% Off First Orders', 'url': 'https://www.myvouchercodes.co.uk/coggles', 'image': 'https://mvp.tribesgds.com/dyn/oh/Ow/ohOwXIWglMg/_/mQR5xLX5go8/m0Ys/coggles-logo.png', 'startDate': '2017-02-17', 'endDate': '2017-12-31', 'location': {'@type': 'Place','name': 'Coggles','url': 'coggles.co.uk','address': 'Coggles' }, 'description': 'Get the top branded fashion items from Coggles at discounted prices. Apply this code and enjoy savings on your purchase.', 'eventStatus': 'EventScheduled'}</script>’’’d = json.loads(re.search(’({[sS]*})’, str).group(1))print d[’location’][’url’]