Question

我有一个URLS列表，我试图从中获取id号码。我试图使用URLParse和正则表达式的组合来解决这个问题。以下是我的函数的样子：

def url_cleanup(url):
    parsed_url = urlparse(url)
    if parsed_url.query=="fref=ts":
        return 'https://www.facebook.com/'+re.sub('/', '', parsed_url.path)
    else:
        qry =  parsed_url.query
        result = re.search('id=(.*)&fref=ts',qry)
        return 'https://www.facebook.com/'+result.group(1)

但是，我觉得正则表达式result = re.search('id=(.*)&fref=ts',qry)无法匹配某些URL，如下例所示。

#1 
id=10001332443221607 #No match

#2 
id=6383662222426&fref=ts #matched

我尝试按照this回答中提供的建议，将我的正则表达式改为id=(.*).+?(?=&fref=ts)，并再次匹配＃2而不是上述示例中的＃1。

我不确定我在这里缺少什么。任何建议/提示将不胜感激。

Answer 1

你的正则表达式确实是错误的。

使用表达式var mammoth = require("mammoth"); mammoth.convertToHtml({path: "path/to/document.docx"}) .then(function(result){ var html = result.value; // The generated HTML var messages = result.messages; // Any messages, such as warnings during conversion }) .done();，您只会匹配id=(.*)&fref=ts字面上成功的ID。

使用&fref=ts您将执行相同的操作，但使用前瞻，这是一个非捕获组表达式。这意味着您的匹配只会是id=(.*).+?(?=&fref=ts)部分，但前提是id=blablabla成功。

此外，&fref=ts将匹配由数字，字母，符号组成的ID ......几乎任何东西。使用id=(.*)将匹配'仅限数字'ID。

所以，尝试使用

id=\d+

它将允许您仅捕获数字，假设您的ID始终为数字，并且仅捕获（使用括号）这些数字供以后使用。

有关进一步参考，请参阅 http://www.regular-expressions.info/python.html

Answer 2

你的正则表达式需要稍微调整一下。尝试：

result = re.search('id=(\d+)(&fref=ts)?', qry)

id=(\d+)匹配id=后面的任意位数，而(&fref=ts)?允许以下字母组是可选的。如果需要，这将允许您重新添加它们。

您还应注意，如果未找到匹配项，则会引发错误 - 因此您可能需要略微更改为：

result = re.search('id=(\d+)(&fref=ts)?', qry)
if result:
    return 'https://www.facebook.com/'+result.group(1)
else:
    # some error catch

匹配包含URL的python中的正则表达式

2 个答案: