[已编辑]问题：示例中的代码Option 2（* 页面底部 ）如何匹配带有空格字符的输入字符串，而不在正则表达式中显式定义空格字符（ 我认为它一定是以某种方式这样做的，否则它不会找到匹配项，并产生正确的输出-我只是不知道它是什么 *）
**程序结构：*给定HTML文本的输入字符串（ 根据下面的示例A和B *），从嵌入的HTML文本中提取Youtube URL，然后以指定格式打印URL。
以下是用于测试函数解析的2个HTML输入字符串：
示例A：
<iframe src="https://www.youtube.com/embed/xvFZjo5PgG0"></iframe>示例B：
<iframe width="560" height="315" src="https://www.youtube.com/embed/xvFZjo5PgG0" title="YouTube video player" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture" allowfullscreen></iframe>在这些HTML字符串（上面）中找到的URL可以是以下3种格式中的任何一种，因此正则表达式应该能够选择性地匹配其中之一：“http：//"、“https：//”或“https：//www”
http://youtube.com/embed/xvFZjo5PgG0
https://youtube.com/embed/xvFZjo5PgG0
https://www.youtube.com/embed/xvFZjo5PgG0两个输入字符串（Ex.A&Ex.B）在传递给分析时应生成以下输出：
https://youtu.be/xvFZjo5PgG0**选项1：**根据下面的内容，当传递指定的输入字符串进行解析时，此解决方案代码正确返回预期的输出。此外，为了处理HTML输入字符串中的空格，此解决方案使用str.replace（）函数直接清除输入，通过替换所有“空格”字符，如“〈iframe src”之间的空格...。因此，我没有在正则表达式中定义空格字符，因为它们已经从输入中清除。
import re
def main():
print(parse(input("HTML: ").replace(" ","")))
def parse(s):
if matches := re.search(r"^(?:<iframe[=\w\"]*src=)?\"(?:https?://)(?:www\.)?youtube\.com/embed/(\w*)\"(?:[\w=\";-]*></iframe>)?$", s):
id = matches.group(1)
url = f"https://youtu.be/{id}"
return url
if __name__ == "__main__":
main()*选项2：这个解决方案 * 也 * 在传递输入字串（*Ex. A或Ex. B上述 ）进行剖析时产生正确的输出。然而，在这个解决方案中，没有明确行程空白字符，不论是清除输入字串（ 如选项1），或是在正则表达式中明确定义空白字符。然而，它 * 必须 * 以某种方式这样做，因为它仍然正确地符合含有空白字符的字串。
import re
def main():
print(parse(input("HTML: ")))
def parse(s):
if matches := re.search(r"(?:<iframe[=\w\"]*src=)?\"(?:https?://)(?:www\.)?youtube\.com/embed/(\w*)\"([\w=\";-]*></iframe>)?", s):
id = matches.group(1)
url = f"https://youtu.be/{id}"
return url
if __name__ == "__main__":
main()- 总而言之，考虑到没有显式处理空白字符，Option 2（上面）如何找到匹配（当传递字符串Ex. A或Ex. B时）并生成正确的输出？*
1条答案
按热度按时间w8f9ii691#
我想你对两者的工作原理有一点误解，但是让我们从2开始，因为回答它的工作原理可以为1的工作原理提供一些启发。
为什么选项2有效？
下面的正则表达式（B）：
(?:<iframe[=\w\"]*src=)?\"(?:https?://)(?:www\.)?youtube\.com/embed/(\w*)\"([\w=\";-]*></iframe>)?实际上不处理空格，如果你在online regex tool中尝试一下，你会发现它实际上是这样匹配的：
示例A
<iframe src="https://www.youtube.com/embed/xvFZjo5PgG0"></iframe>："https://www.youtube.com/embed/xvFZjo5PgG0"xvFZjo5PgG0></iframe>示例B
<iframe width="560" height="315" src="https://www.youtube.com/embed/xvFZjo5PgG0" title="YouTube video player" frameborder="0" allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture" allowfullscreen></iframe>："https://www.youtube.com/embed/xvFZjo5PgG0"xvFZjo5PgG0字符串中的其他内容完全被忽略，但是由于你使用的是python
re.search，当它搜索字符串时，你仍然会得到一个匹配。如果你使用re.match强制字符串从头开始匹配，它会中断。您可以通过将输入字符串简单地更改为
"https://www.youtube.com/embed/xvFZjo5PgG0"来测试它，它仍然以完全相同的方式工作（获得所有完全相同的匹配）。实际上，在这个场景中，正则表达式的大部分是superflous的，繁重的工作由
\"(?:https?://)(?:www\.)?youtube\.com/embed/(\w*)\"完成，其余的部分对于没有去掉空格的字符串没有任何作用，在执行re.search时也几乎没有任何作用。通过在这个正则表达式中抛出去掉空格的字符串，可以看到匹配是如何变化的：
示例A
<iframesrc="https://www.youtube.com/embed/xvFZjo5PgG0"></iframe>：<iframesrc="https://www.youtube.com/embed/xvFZjo5PgG0"></iframe>xvFZjo5PgG0示例B
<iframewidth="560"height="315"src="https://www.youtube.com/embed/xvFZjo5PgG0"title="YouTubevideoplayer"frameborder="0"allow="accelerometer;autoplay;clipboard-write;encrypted-media;gyroscope;picture-in-picture"allowfullscreen></iframe>：<iframewidth="560"height="315"src="https://www.youtube.com/embed/xvFZjo5PgG0"title="YouTubevideoplayer"frameborder="0"allow="accelerometer;autoplay;clipboard-write;encrypted-media;gyroscope;picture-in-picture"allowfullscreen></iframe>个xvFZjo5PgG0那么，为什么选项1有效呢？
第一个选项起作用的原因是您要压缩所有内容并删除空格，这最终会使正则表达式的其余部分起作用。实际上，这两个选项的正则表达式的唯一真实的区别是，您re.search通过添加
^和$强制www.example.com充当re.match，从而强制匹配整个字符串。但它对去除了空格的字符串没有任何作用。示例A
<iframesrc="https://www.youtube.com/embed/xvFZjo5PgG0"></iframe>：<iframesrc="https://www.youtube.com/embed/xvFZjo5PgG0"></iframe>xvFZjo5PgG0示例B
<iframewidth="560"height="315"src="https://www.youtube.com/embed/xvFZjo5PgG0"title="YouTubevideoplayer"frameborder="0"allow="accelerometer;autoplay;clipboard-write;encrypted-media;gyroscope;picture-in-picture"allowfullscreen></iframe>：<iframewidth="560"height="315"src="https://www.youtube.com/embed/xvFZjo5PgG0"title="YouTubevideoplayer"frameborder="0"allow="accelerometer;autoplay;clipboard-write;encrypted-media;gyroscope;picture-in-picture"allowfullscreen></iframe>TL;DR：
它之所以有效，是因为re.search将在字符串的中间匹配，并且正则表达式（
\"(?:https?://)(?:www\.)?youtube\.com/embed/(\w*)\"）的唯一非可选部分永远不会有空格。