Expresión regular URL de Gruber en Python

¿Cómo reescribo las direcciones new way to recognise para trabajar en Python?Expresión regular URL de Gruber en Python

\b(([\w-]+://?|www[.])[^\s()<>]+(?:\([\w\d]+\)|([^[:punct:]\s]|/)))

2009-12-31 Tobias

¿Qué parte no funciona? –

¿Por qué no pones tu código en la pregunta? Con ejemplos de lo que falla –

@vanity, la respuesta con propiedades de caracteres Unicode no funcionará. Ver http://stackoverflow.com/questions/1832893/python-regex-matching-unicode-properties –

El original source para que los Estados "Este patrón debería funcionar en la mayoría de las implementaciones de expresiones regulares modernos" y específicamente Perl. La implementación de expresiones regulares de Python es moderna y similar to Perl's pero falta la clase de caracteres [:punct:]. Usted puede construir fácilmente que el uso de este:

>>> import string, re 
>>> pat = r'\b(([\w-]+://?|www[.])[^\s()<>]+(?:\([\w\d]+\)|([^%s\s]|/)))' 
>>> pat = pat % re.sub(r'([-\\\]])', r'\\\1', string.punctuation)

La llamada re.sub() escapa a ciertos personajes dentro del juego de caracteres as required.

Editar: Usando re.escape() funciona igual de bien, ya que simplemente se pega una barra invertida delante de todo . Eso me pareció grosero al principio, pero ciertamente funciona bien para este caso.

>>> pat = pat % re.escape(string.punctuation)

Fuente

2009-12-31 16:55:42

Esto pasa todas las pruebas de Gruber, al igual que pat = pat% re.escape (string.punctuation) – Tobias

@vanity, actualizado para mencionarlo. Tenga en cuenta lo obvio, que si su fuente de datos es Unicode, una solución pura ASCII como string.punctuation puede dar resultados imperfectos. –

Funciona con dominios y rutas que no son ASCII. No tengo datos de prueba con puntuación que no sea en inglés. – Tobias

No creo pitón tienen esta expresión

[:punct:]

Wikipedia dice [:punct:] es igual a

[-!\"#$%&\'()*+,./:;<=>[email protected]\\[\\\\]^_`{|}~]

Fuente

2009-12-31 16:48:20 YOU

Wikipedia está equivocada. Le falta el cursor, según http://www.regular-expressions.info/posixbrackets.html. –

Bien, ahora está bien. Por favor actualiza tu respuesta. –

Sí, actualicé mi publicación, gracias. Alguien actualizó Wikipedia también. ¡Estupendo! – YOU

Python no tiene la POSIX bracket expressions.

La expresión de corchetes [:punct:] es equivalente en ASCII a

[!"#$%&'()*+,\-./:;<=>[email protected][\\\]^_`{|}~]

Fuente

2009-12-31 16:52:43

Asegúrate de usar una cadena "cruda" (prefijo con 'r') cuando lo uses, ya que de lo contrario la escara se escapa. –

También tenga en cuenta que Python no admite esas propiedades de caracteres Unicode: http://stackoverflow.com/questions/1832893 –

De hecho, compilan bien pero no hacen lo que espera – Tobias

Expresión regular URL de Gruber en Python

Respuesta

Cuestiones relacionadas