Выборка в regex не работает

Благодарю за любую подсказку

https://www.linux.org.ru/help/lorcode.md

Тебе нужно выбрать часть строки между первым символом «/» и последним символом «/» или символом конца строки.

mystr = re.findall(r’(?<=//)\w+(?=.)’,url)

Когда задается такой url:

domain_name(«http://google.co.jp»)

То выбирается google как задумано. Но когда добавляется к адресу www.google.com, то выходит пустой массив. Как мне задать выборку, чтобы выбиралась либо конструкция //google.com, либо //www.google.com. У меня не получается www.выделить

яннп. ты угараешь по полной? ты хотя бы на секунду пытался понять regexp?

echo "https://google.com" | sed 's/.*\/\/\([a-z0-9\.]*\).*/\1/'
google.com
echo "https://google.com/dfdfdf" | sed 's/.*\/\/\([a-z0-9\.]*\).*/\1/'
google.com
echo "https://www.google.com/dfdfdf" | sed 's/.*\/\/\([a-z0-9\.]*\).*/\1/'
www.google.com

Я не знаю как тебе сделать это на твоём питон, гугли.

Спасибо! Уже второй день гуглю, все хорошо, но не получается еще и www убрать

Как тебе уже сказали почитай про регулярные выражения.

По сути регулярное выражение - это шаблон.

Ну и в частности почитай что такое w+.

Разбирайся.

Удачи.

Иди на https://regex101.com/ и играйся там, сколько хочешь.

Зачем это регуляркой делать?

https://docs.python.org/3/library/urllib.parse.html

from urllib.parse import urlparse

domain = urlparse("http://docs.python.org:80/3/library/urllib.parse.html?").hostname

Извини за такой ответ, но марш бегом (!!!) читать хотя бы стандартную справку по регекспам в официальной доке Python. А еще желательно дополнить книгой Mastering Regular Expressions (есть и перевод на русский).

Ты написал полную белиберду, то есть кое-как набросал символов в строку, совершенно не понимая их значения, и как они работают.

Помочь тебе с правильным выражением - только навредить, ибо этот путь надо пройти самостоятельно.

И вообще, прошу прощения, но вот этот вот подход: «А я щас накидаю символов как попало, и буду случайно менять, пока не заработает, если зайду в тупик - спрошу на форуме» - глубоко порочный. Избавляйся от такого подхода, пока не поздно.

P.S. Почему-то вот этот вот ужасный подход чаще всего встречается в регекспах. По опыту, очень много разработчиков, даже титулованных, считают себя выше необходимости читать доку по регекспам и пишут их точно таким же образом, кидая в строку что попало, пока не заработает.

Это что за дичь, лол?))) По доброте душевной даю тебе ссылку на вводную и вполне себе применимую в жизни статейку по регуляркам в питухоне.

В целом согласен, только вот задача ОПа решается примитивным регвыром. Вечерок достаточно потратить на изучение темы и всё станет понятно. Правда непонятно зачем вообще эту задачу решать регулярным выражением, если есть библиотеки разбирающие урлы?

P.S. ОП, не надо адманывать уважаемых людей. Ты даже не пытался документацию открыть. Иди читай справку.

Да, меня и возмущает, что ОП совершенно очевидно даже не попытался прочитать хотя бы справку по регекспам.

А нужно их знать ещё и затем, что часто встречаются в чужом коде, с которым приходится работать. И часто приходится поправлять за такими вот: «Давайте накидаем в бутылку деталей и будем трясти, пока не получится кораблик».

Ну что ищешь, то и получаешь, что ещё сказать.

https://regex101.com/r/dx5JGa/1

Разбор твоей регулярки ты там найдёшь

Согласен, особенно с учётом того что есть ссылки на языках отличных от английского. Хотел выделаться и кинуть ссылку на RFC по URI, URL, IRI, но там столько смежного говна вылезает в виде полуживых технологий и предложений, что ковыряться в этом всём мне сегодня лень.

Спасибо, сразу ошибка обнаружилась по описанию, я думаю, что она там далеко не одна) Но я в процессе

Такое впечатление, что Вы у меня за спиной стояли:) Да, шаблоны собирались по интернету, а потом соединялись. Но благодаря ссылке на песочницу regex вскрылись глупые ошибки:)

За статью спасибо огромное! Буду вчитываться. Нужно узнать побольше о том, как сделать условие в regex. Правда, за один вечер, как тут говорилось, не получилось. Видимо, рожденный ползать…))

Не работает

Я не знаю python. Поэтому тестировал на pwsh:

 $ & {
 'https://www.google.com' -replace '.+//(w+\.)?|\..+'
 'https://google.com' -replace '.+//(w+\.)?|\..+'
 'https://www.google.com/aaa.bbb' -replace '.+//(w+\.)?|\..+'
 'https://google.com/www.http' -replace '.+//(w+\.)?|\..+'
 }
google
google
google
google

В оп посте домен в зоне co.jp, в комментах никто не упомянул https://publicsuffix.org/

Вопрос конечно был не об этом, но опчику советую записать или запомнить.

Ну и да, регулярки тут не нужны (хотя иногда работают), нужно взять любую готовую либу для этого и дамп по ссылке выше.

шаблоны собирались по интернету, а потом соединялись

Жесткач. Бро, идешь в магаз, покупаешь книгу, читаешь, думаешь, практикуешь. Не благодари.

Не благодари.

За что тебя благодарить, если плохому учишь? Потом сам же будешь бугуртить, когда он html разбирать регулярками начнет.

За ссылки спасибо! В условиях задачи можно пользоваться только встроенными инструментами, сторонние библиотеки нельзя. И мне всегда казалось, что регулярки - это высший пилотаж:)

Спасибо! Думаю, что начну со статьи на хабре и оф документаци и практики. Книги сразу боюсь, закопаюсь.

Это ты в статьях и документации и закопаешься, Шоттса почитай лучше.

У меня в песочнице для регулярок код работает. Только выделяет он как-раз то, что нужно обрезать, а не сам домен. Я пока не пойму, какой метод там надо использовать вместе с re.

В условиях задачи можно пользоваться только встроенными инструментами, сторонние библиотеки нельзя

Если задача из реального мира, то это ты никак без вышеупомянутого дампа не решишь, когда будешь парсить сабдомен(ы) из всяких странных зон.

Some examples of public suffixes are .com, .co.uk and pvt.k12.ma.us.

Если задача какая то по учёбе, то можешь сделать ход конём и спросить экзаменатора как бы он сам стал разбирать такие неочевидные домены.

И мне всегда казалось, что регулярки - это высший пилотаж:)

Да, просто надо понимать, когда их нужно юзать, а когда нет.

Везде в интернете лежит эта книга 2008 года издания, это нормально, или она очень старая все-таки?

Спасибо, книжка по оглавлению хорошая, почитаю обязательно!

Понятно, спасибо! Задача учебная из курса python. Мне и для себя важно изучить регулярки, по работе были проблемы с ними.

Не, ну я сейчас и сам задумался как без групп решить твою задачу, если кто-то ответит то будет полезно.

https://regex101.com/r/spoHaC/1

Работает! :) Надо только использовать sub, а не findall.

mystr = re.sub('.+//(w+\.)?|\..+', "", url)

Код выделяет в ссылке ненужные части, которые sub вырезает (меняет на пустое место).

Шоттс хорошая книжка, судя по содержанию, только опять в инете старые издания.

Наверное, новые только в бумажном варианте.

Так домен выделяется только если есть www.

Еще раз спасибо, как раз там говорится про метод sub, и все получилось.

Вообще-то учиться надо на бумаге — так легче перечитывать и в книге можно рисовать разноцветными карандашами. Это совершенно иной уровень погружения в материал, чем читать с экрана.

Кстати, тебе может и не очень подойдёт Шоттс, если тебе не интересен баш. Может лучше возьмёшь Фицджеральда: https://market.yandex.ru/product--fitsdzherald-maikl-reguliarnye-vyrazheniia-osnovy/1781387867?was_redir=2&cpa=1

Книжка тоненькая, чисто про регулярки, я читал, излагает прямо с нуля и для разных языков делает всякие оговорки.

А вообще Фридл круто в первых главах рассказывает про них, прям красавчик: https://www.chitai-gorod.ru/catalog/book/1055232/

Книг нет в продаже, значит хорошие:) Спасибо! Начну, наверное, с тоненькой.

Я б всё-таки Фридла посоветовал, первые 6 глав. Я не программист, вообще не технарь, но прочитал их с удовольствием, автор реально смог сделать тему увлекательной.

Спасибо! Почитаю обязательно.

Примерно вот так:

use strict;
use warnings;
use Data::Dumper;

my @src = (
    'https://www.google.com/home/stone',
    'www.google.com/home/stone',
    'https://www.google.com',
    'www.google.com'

    );

map {
    print $_,"\n";
    my %res = url_parse($_);
    
    print Dumper(\%res);
} @src;

sub url_parse
{
    my ($url) = @_;
    my %res = ();

    {
	my ($prot,$dom,$path) = $url =~ m@^(?:(\w+)(?=://))?(?:://)?([^/]*)(.*)$@g;
	@res{qw/prot dom path/} = ($prot, $dom, $path);
    }
    
    return %res;
}

Итог:

https://www.google.com/home/stone
$VAR1 = {
          'dom' => 'www.google.com',
          'prot' => 'https',
          'path' => '/home/stone'
        };
www.google.com/home/stone
$VAR1 = {
          'path' => '/home/stone',
          'dom' => 'www.google.com',
          'prot' => undef
        };
https://www.google.com
$VAR1 = {
          'prot' => 'https',
          'dom' => 'www.google.com',
          'path' => ''
        };
www.google.com
$VAR1 = {
          'prot' => undef,
          'dom' => 'www.google.com',
          'path' => ''
        };