三种棘手的字符串模式的正则表达式

Question

我想从个人资料页面找出 Instagram 用户名。

问题是用户选择如何处理他们的用户名。（所以，让计算机用正则表达式获取模式是很棘手的）

我想搜索的所有模式如下所示（用户使用其中之一发布他们的 Instagram 用户名）：

IG：@用户名
I.G.: @用户名
Instagram：@用户名

我在下面想到了这个逻辑，但是我在 RegEx 文档或适合此搜索的示例中完全迷失了搜索。

我的逻辑：ignorecase (IG or I.G. or I.G or instagram) + (possible space) + (possible :) + (possible space) + (可能是@) + (用户名中有 - 或 _) + (以 space 或换行或句号结尾)

一句话，我想select在“instagram”或“IG”或“I.G”之后的一个词（用户名）排除不必要的字符，如“：”，“@” " 或 spaces.

如何在 RegEx 中执行此操作？一行代码可能是一种高效而优雅的答案。

P.S。我想用 Python re.

来做到这一点

Answer 1

My logic: ignorecase(IG or I.G. or I.G or instagram) + (possible space) + (possible :) + (possible space) + (possible @) + (username with - or _ in it) + (ends with space or new line or full stop)

首先，在前缀部分（IG 和 Instagram:）。您可以在 re.compile 函数上使用 re.I 或 re.IGNORECASE 参数来忽略 I.G 和 instagram 上的大小写。然后在正则表达式中使用 | 或 or。

r'(instagram|I\.*G\.*)'

然后转义 . 并使用问号 ? 表示它可以有一个或 none，也可以 space \s 和可能的冒号 :.

prefix = re.compile(r'(instagram|I\.*G\.*)\s?:?', re.IGNORECASE)

然后是用户名。首先，在 @ 上使用问号 ? 表示它是可选的。然后两个 (.*) 是用户名的第一个和最后一个（如果有的话）部分，由破折号或下划线 (-|_)? 分隔，这也是可选的。用户名 = re.compile(r'@?(.)(-|_)?(.)\s?$') 完全放置：

username_regex = re.compile(r'^(instagram|I\.?G\.?)\s?:?\s?(@?.*((-|_).*)?\s?)$', re.IGNORECASE)

我已经对此正则表达式进行了一些测试，这是代码。

import re

username_regex = re.compile(r'^(instagram|I\.?G\.?)\s?:?\s?(@?.*((-|_).*)?\s?)$', re.IGNORECASE)

tests = [
    'I.G.: @first-last',
    'I.G: @first-last',
    'I.g: @first-last',
    'I.g.: @first-last',
    'i.G: @first-last',
    'i.G.: @n-last',
    'i.g: @first-last',
    'i.g. @first-last',
    'I.G.:@first-last',
    'I.G@first-last',
    'I.g @first-last',
    'I.gfirst-last',
    'i.G: first_last',
    'i.G. first_last',
    'ig: first_last',
    'i.g. @first-last',
    'inStagram: @first-last',
    'instAgram: @first-last',
    'INSTAGRAM: @first-last',
]

not_matched = 0
for test in tests:
    searched = username_regex.search(test)

    if searched:
        print("MATCH ->", test)
        print(searched.group(), '\n\n')
    else:
        print("========", test)
        not_matched += 1

print(not_matched)
# >> 0

如果要获取前缀和用户名，可以使用group()和groups()方法。例如

searched.groups()
# ('I.G:', '@first-last', None, None)

searched.group(0) # 'I.G: @first-last'

# If you want to get the prefix
searched.group(1) # 'I.G:'

# If you want to get the username
searched.group(2) # '@first-last'

注意：可能我这里有什么地方错了，如果你发现了什么不对的地方，请告诉我。谢谢。

Answer 2

您可以像这样使用 match 和 group：

>>> ss = ['IG: @user-name', 'I.G.: @user-name', 'Instagram: @user-name']
>>> m = re.search('(IG|I\.G\.|Instagram)\: @(.*)$', ss[0])
>>> m.group(0)
'IG: @user-name'
>>> m.group(1)
'IG'
>>> m.group(2)
'user-name'
>>> m = re.search('(IG|I\.G\.|Instagram)\: @(.*)$', ss[1])
>>> m.group(2)
'user-name'
>>> m = re.search('(IG|I\.G\.|Instagram)\: @(.*)$', ss[2])
>>> m.group(2)
'user-name'
>>> m = re.search('(IG|I\.G\.|Instagram)\: @(.*)$', 'now for something completely different')
>>> if m:
...   m.group(2)
>>>

三种棘手的字符串模式的正则表达式

RegEx for three tricky string patterns

python

regex

string

python-re