Question

我有这个网址：

 http://www.example.com/en/news/2016/07/17/1207151/%D9%81%D8%AA%D9%88%D8%A7%DB%8C-%D8%B1%D9%87%D8%A8%D8%B1-

我将在这里提取1207151。

这是我的正确文本：

pattern = '(http[s]?:\/\/)?([^\/\s]+\/)+[^/]+[^/]+[^/]+[^/]/(?<field1>[^/]+)/'

但这是错的！

我的错误是什么？

Answer 1

你可以在python代码中使用这个正则表达式：

>>> url = 'http://www.example.com/en/news/2016/07/17/1207151/%D9%81%D8%AA%D9%88%D8%A7%DB%8C-%D8%B1%D9%87%D8%A8%D8%B1-'
>>> re.search(r'^https?://(?:([^/]+)/){7}', url).group(1)
'1207151'

([^/]+)/){7}将匹配任意非正斜杠中的1个或多个以及/ 7次，这将为我们在捕获的组＃1中的最后一场比赛。

Answer 2

你有几件事情在发生。

首先，您需要正确地逃避所有/。你已经掌握了大部分，但错过了一对夫妇：

(http[s]?:\/\/)?([^\/\s]+\/)+[^\/]+[^\/]+[^\/]+[^\/]\/(?<field1>[^\/]+)\/

从这里，你有一些＆＃34; 1或更多不是/＆＃34;连续可以减少：

[^\/]+[^\/]+[^\/]+ ==> [^\/]{3,}

但那不是你想要做的，你的意思是有很多块＆＃34;非/＆＃34;然后是＆＃34; /＆＃34;并且根据您的示例，在使用命名捕获组之前，您需要6次。

([^\/]+\/){6}

以下是有效的：

http[s]?:\/\/([^\/]+\/){6}(?<field1>[^\/]+)\/

你可以在这里看到它：https://regex101.com/r/kkqwRJ/2

Answer 3

import re
print re.search(r'.*/([^/]+)/.*',s).group(1)

使用regex从url中提取子路径

3 个答案: