Regex negative Lookahead-Zeichenfolge mit Sonderzeichen python

Question

Es geht um Inhaltsabmessungen auf einer Website. Diese link checker tool unterstützt Python Regex. Mit dem Link Checker möchte ich Informationen über nur eine Inhaltsdimension erhalten.

Ich möchte alle außer die mit der Zeichenfolge de_de (für die --no-follow-url Option) übereinstimmen.

https://www.example.com/int_en 
https://www.example.com/int_de 
https://www.example.com/de_de ##should not match or all others should match 
https://www.example.com/be_de 
https://www.example.com/fr_fr 
https://www.example.com/gb_en 
https://www.example.com/us_en 
https://www.example.com/ch_de 
https://www.example.com/ch_it 
https://www.example.com/shop 

Ich bin irgendwo dazwischen diesen Ansätzen stecken:

https:\/\/www.example.com\/\bde\_de 
https:\/\/www.example.com\/[^de]{2,3}[^de] 
https:\/\/www.example.com\/[a-z]{2,3}\_[^d][^e] 
https:\/\/www.example.com\/([a-z]{2,3}\_)(?!^de$) 
https:\/\/www.example.com\/[a-z]{2,3}\_ 
https:\/\/www.example.com\/(?!^de\_de$) 

Wie kann ich eine negative Vorschau verwenden, um eine Zeichenfolge mit einem Sonderzeichen (Unterstrich) übereinstimmen? Kann ich mit etwas so gehen

(?!^de_de$) 

Ich bin neu in Regex, jede Hilfe oder Eingabe ist willkommen.

Answer 1

Sie könnten versuchen:

https:\/\/www.example.com\/.+?(?<!de_de)\b 

Das passt:

https://www.example.com/shop 

aber nicht:

https://www.example.com/de_de 

Pythex Link here

Erläuterung: hier verwenden wir eine negat ive Blick hinter (?<!de_de) an einer Wortgrenze angewendet (\b). Dies bedeutet, dass wir eine Wortgrenze finden müssen, die nicht "de_de" vorausgeht.

Answer 2

Verwenden Sie die folgende regex:

https://www\.example\.com/(?!de_de(?:/|$))[a-z_]+ 

die regex demo See. Wenn Sie auch http zuordnen möchten, fügen Sie s? nach http im Muster https?://www\.example\.com/(?!de_de(?:/|$))[a-z_]+ hinzu.

Beachten Sie, dass Sie die Punkte so entziffern sollten, dass sie den echten Buchstabenpunkten in der Zeichenfolge entsprechen. Der (?!de_de(?:/|$))[a-z_]+ Teil entspricht 1 + Buchstaben/Unterstrichen (siehe [a-z_]+), die nicht de_de sind, gefolgt von / oder Ende der Zeichenfolge.

Python demo:

import re 
ex = ["https://www.example.com/int_en","https://www.example.com/int_de","https://www.example.com/de_de","https://www.example.com/be_de","https://www.example.com/de_en","https://www.example.com/fr_en","https://www.example.com/fr_fr","https://www.example.com/gb_en","https://www.example.com/us_en","https://www.example.com/ch_de","https://www.example.com/ch_it"] 
rx = r"https://www\.example\.com/(?!de_de(?:/|$))[a-z_]+" 
for s in ex: 
    m = re.search(rx, s) 
    if m: 
     print("{} => MATCHED".format(s)) 
    else: 
     print("{} => NOT MATCHED".format(s)) 

Ausgang:

https://www.example.com/int_en => MATCHED 
https://www.example.com/int_de => MATCHED 
https://www.example.com/de_de => NOT MATCHED 
https://www.example.com/be_de => MATCHED 
https://www.example.com/de_en => MATCHED 
https://www.example.com/fr_en => MATCHED 
https://www.example.com/fr_fr => MATCHED 
https://www.example.com/gb_en => MATCHED 
https://www.example.com/us_en => MATCHED 
https://www.example.com/ch_de => MATCHED 
https://www.example.com/ch_it => MATCHED