Python匹配子字符串中的字符串

问题描述

我正在编写一个程序来获取一个 json 格式的文件并创建一个代理 PAC 文件。我遇到的挑战之一是 json 文件包含组织不整齐的混合数据。我想总结一下数据：

输入数据：

www.example.com
*.example.com
example.com
myserver.example.com
server.*.example2.com
server.mydomain1.example2.com
server.mydomain2.example2.com
server.mydomain3.example2.com
example2.com

输出数据：

*.example.com
example.com
server.*.example2.com
example2.com

我试图找到最python的方式来总结数据。有任何想法吗？我想过使用正则表达式来帮助进行模式匹配，但我想它们很快就会变得复杂？

解决方法

我只能想出一个相当混乱的方法来做到这一点，但我会尝试用评论来解释。

import re
l = ["www.example.com","*.example.com","example.com","myserver.example.com","server.*.example2.com","server.mydomain1.example2.com","server.mydomain2.example2.com","server.mydomain3.example2.com","example2.com"]
# Something can only summarize if it contains a wildcard. Otherwise it won't represent the other elements in the list
summarizable = [domain for domain in l if "*" in domain] 
[url for url in l 
    if not bool( # check to see if url is not represented by any of the wildcards
        [1 for summary in summarizable # escape the .,replace * with re wildcard (.*)
            if bool(re.match(summary.replace('.','\.').replace('*','.*'),url)) ])] + summarizable

返回

['example.com','example2.com','*.example.com','server.*.example2.com']

此解决方案的警告：如果您有两个可以相互汇总的通配符网址，它们都会出现在最终输出中。