所以这是我必须提取的链接：
http://www.hrmagazine.co.uk/article-details/finance-sector-dominates-working-families-benchmark
这就是我目前的
.+\/article-details\/.+\-.+\-.+\-.+\-.+\-.+$
然而，问题是它在＆＃34; / article-details /＆＃34;之后提取了任意数量的单词和连字符。部分，而不是具体的6个单词标题，用连字符代替上面的空格。所以它会接受一个糟糕的结果
http://www.hrmagazine.co.uk/article-details/finance-sector-dominates-working-families-benchmark-test
当我需要它时只接受像这种格式的链接
http://www.hrmagazine.co.uk/article-details/one-two-three-four-five-six
此类网站的正确正则表达式是什么？我在Scrapy / Spyder中提供的当前提取器如下
rules = (Rule(LinkExtractor(allow=['.+\/article-details\/.+\-.+\-.+\-.+\-.+\-.+$']), callback='parse_item', follow=True),)
答案 0 :(得分：0)
正则表达式中的每个.+都可以匹配任意数量的任何字符 - 包括连字符。因此，您的整体正则表达式只需要至少5个连字符，而不是精确计数。使用[^-]+仅匹配非连字符。
请注意，正则表达式中没有任何反斜杠可以完成任何操作 - 在任何情况下，以下字符都不需要转义。即使它们是，你也需要加倍反斜杠，或者使用原始字符串r'whatever'，以便re模块解释反斜杠，而不是Python＆＃39}。字符串文字解析规则。
答案 1 :(得分：0)
尝试用.之类的内容替换[a-z]; .也会匹配连字符，这就是为什么它匹配无限数量的单词：
.+\/article-details\/[a-z]+\-[a-z]+\-[a-z]+\-[a-z]+\-[a-z]+\-[a-z]+$
如果您需要匹配数字之类的内容，请将它们添加到括号中（[a-z0-9]等）。