95 捕获子串
编辑日期: 2024-11-28 文章阅读: 次
95 捕获子串
今天以我写过的《Python 60天》专栏中的一段文字，提取出里面的链接为例，阐述提取子串的实用性。
先贴上文字(有删减改动)，将这段文字赋值给变量 urls：
urls = """
基于 Python 的包更是枝繁叶茂，遍地开花，“Tiobe 编程语言排行榜”最新统计显示 Python 是增长最快的语言。
接下来，与大家，还有远在美国做 AI 博士后研究的 Alicia，一起开始我们的 60 天 Python 探索之旅吧。
所有的这些考虑，都是为了让大家在短时间内掌握 Python 技术栈，多一个生存的本领。拿到理想的 Offer 后，早日过上自己想要的生活。
让我们开始吧。
如下，按照是否为静态/动态语言，弱类型/强类型两个维度，
总结常用的语言分类。
 ### 四大基本语法
"""
你可能很快写出如下的正则表达式：
pat = r'https:.*'
然后导入re模块，使用findall方法找出所有匹配：
import re
result = re.findall(pat,urls)
print(result)
运行结果显示如下，观察发现2个匹配，但是每个匹配链接都包括冗余字符，因此匹配错误：
['https://images.gitbook.cn
/2020-02-05-014719.png)',
'https://images.gitbook.cn
/2020-02-05-080211.png) ### 四大基本语法']
我们再稍微优化原正则表达式为：
pat = r'https:.*\)'
打印结果显示如下，结果确实好一点，但是依然包括右括号，结果还是错误的：
['https://images.gitbook.cn/
2020-02-05-014719.png)',
'https://images.gitbook.cn/
2020-02-05-080211.png)']
所以掌握提取子串的技能就很重要，实现提取子串也很简单，只需把想要返回的子串加上一对括号就行，如下所示：
pat = r'(https:.*)\)'
此时返回结果完全正确，无任何多余字符。想要返回的子串外面添加一对括号还有个专业叫法：捕获或分组。
