Python域名列表正则表达式

Question

我希望使用python获得给定字符串中的所有域名。我已经尝试了下面的方法，但我没有得到预期的o/p

str = "ctcO6OgnWRAxLtu+akRCFwM asu.edu zOiV6Wo6nDnUhQkZO4XTySrTRwLMgozM9R/LyQs2r+Pb tarantino.cs.ucsb.edu,128.111.48.123 ssh-rsa 9SMF4U+qJW03Bh1"
list = re.findall(r'([a-zA-Z0-9]+(-[a-zA-Z0-9]+)*\.)+[a-z]{2,10}', str)
print list

我希望输出为：

asu.edu , tarantino.cs.ucsb.edu  

但我得到的是：

[('asu.', ''), ('ucsb.', '')]

我错过了什么？

Answer 1

这应该是可行的：

import re
my_str = "ctcO6OgnWRAxLtu+akRCFwM asu.edu zOiV6Wo6nDnUhQkZO4XTySrTRwLMgozM9R/LyQs2r+Pb tarantino.cs.ucsb.edu,128.111.48.123 ssh-rsa 9SMF4U+qJW03Bh1"
my_list = re.findall(r'(([a-zA-Z0-9]+(-[a-zA-Z0-9]+)*\.)+[a-z]{2,10})', my_str)
print [i[0] for i in my_list]

正如加文指出的那样，您不应该使用str和list作为变量名，因为它们是Python语言中的内置类型。

Answer 2

In [63]: text = "ctcO6OgnWRAxLtu+akRCFwM asu.edu zOiV6Wo6nDnUhQkZO4XTySrTRwLMgozM9R/LyQs2r+Pb tarantino.cs.ucsb.edu,128.111.48.123 ssh-rsa 9SMF4U+qJW03Bh1"

In [64]: re.findall(r'(?:[a-zA-Z0-9]+\.)+[a-z]{2,10}', text)
Out[64]: ['asu.edu', 'tarantino.cs.ucsb.edu']

• 使用(?:...)创建非捕获组。当模式包含多个分组模式(即用括号括起来的模式)时，re.findall将为每个匹配返回一个元组。要防止re.findall返回元组列表，请使用非捕获组。
• 对于您发布的text，模式(-[a-zA-Z0-9]+)*\.是不必要的。text中没有文字-，因此(-[a-zA-Z0-9]+)* 永远不会匹配text中的任何。当然，如果愿意，您可以将(?:-[a-zA-Z0-9]+)*添加到模式中(请注意非捕获组(?:...)的使用)，但是您发布的text不会执行该模式的这一部分。然而，它将允许您将名称与假设进行匹配：

在73中: re.findall(r'(?:a-zA-Z0-9+(?:-a-zA-Z0-9+)*.)+a-z{2,10}'，'asu-psu.edu，但不像-psu-asu.edu') Out73：'asu-psu.edu'，'psu-asu.edu‘

和Aprillion noted一样：

在74: re.findall(r'(?:a-zA-Z0-9+(?:-a-zA-Z0-9+)*.)+a-z{2,10}'，text) 'tarantino.cs.ucsb.edu'

• See：'asu.edu‘中，(?:[a-zA-Z0-9]+\.)+[a-z]{2,10}

模式的解释请参见Out74 regex101