在python中的一个re.compile语句中排除/包含字符串以提取感兴趣的URL

Question

因此，我正在尝试获取包含特定字符串的url，同时也避免使用包含错误字符串的url。

因此，我不希望任何包含字符串“ / inventory / all /”的网址，而只希望包含字符串“ / inventory /”或“ / inventory / 2017 /”的网址

因此，我设法通过以下方式至少排除了包含“ / inventory / all /”的字符串的网址：

get_urls = soup.findAll('a', href=re.compile('^(?!.*/inventory/all/).*$'))

但是当我尝试包含我想要获取的字符串时，它不再起作用，我尝试了：

get_urls = soup.findAll('a', href=re.compile('^(?!.*/inventory/all/).*$'|/inventories/|/inventory/2017/'))

感谢您的帮助，我是新手

Answer 1

您可以使用以下正则表达式：

^(?=.*inventor(?:ies|y/2017))^(?:(?!inventory/all).)+$

• ^(?=.*inventor(?:ies|y/2017))这是一项前瞻性工作，可确保我们仅在查找带有inventories或inventory/2017的字符串。为了减少回溯，您需要锚定它，即^，它表明匹配应该从句子的开头开始。因此，只做^.*inventor(?:ies|y/2017).*$就足够了，因为选择的唯一两个就是这两个。

• ^(?:(?!inventory/all).)+$这部分是对前面的否定看法，它断言从字符串的开头到字符串的末尾没有inverntory/all。我添加了这一部分，以防您发现格式为inventoy/2017/inventory/all的字符串。