python的re模块使用：获取URL中可用的部分

URL字符串: https://www.google.com.hk/search?newwindow=1&safe=strict&biw=1920&bih=949

                  http://www.google.com.hk/search?newwindow=1&safe=strict&biw=1920&bih=949

目标：获取www.google.com.hk/search

import re

url = "https://www.google.com.hk/search?newwindow=1&safe=strict&biw=1920&bih=949"
pattern = re.compile(r'http[s]?://(.*?)\?')

1.使用re.match

re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none。

path = pattern.match(url)
if path:
    print path.group(1)
else:
    print path

2.使用re.findall

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果没有找到匹配的，则返回空列表。

path = pattern.findall(url)
print path
# ['www.google.com.hk/search']

3.使用re.search

re.search 扫描整个字符串并返回第一个成功的匹配。

path = pattern.search(url)
if path:
    print path.group(1)
else:
    print path

总结：

1.re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None；而re.search匹配整个字符串，直到找到一个匹配。