[英]extract uuid from url
我想从网址中提取UUID。
例如:
/ posts / eb8c6d25-8784-4cdf-b016-4d8f6df64a62?mc_cid = 37387dcb5f&mc_eid = 787bbeceb2
/帖子/ d78fa5da-4cbb-43b5-9fae-2b5c86f883cb / uid / 7034
/帖子/ 5ff0021c-16cd-4f66-8881-ee28197ed1cf
我有成千上万的这种字符串。
我的正则表达式现在是".*\\/posts\\/(.*)[/?]+.*"
/(。*)[/ ".*\\/posts\\/(.*)[/?]+.*"
,它的结果如下:
d78fa5da-4cbb-43b5-9fae-2b5c86f883cb / uid
84ba0472-926d-4f50-b3c6-46376b2fe9de / uid
6f3c97c1-b877-40e0-9479-6bdb826b7b8f / uid
f5e5dc6a-f42b-47d1-8ab1-6ae533415d24
f5e5dc6a-f42b-47d1-8ab1-6ae533415d24
f7842dce-73a3-4984-bbb0-21d7ebce1749
fdc6c48f-b124-447d-b4fc-bb528abb8e24
如您所见,我的正则表达式无法摆脱/uid
,但可以处理?xxxx
,查询参数,很好。
我错过了什么? 如何使它正确?
谢谢
.*
模式对于UUID而言过于宽泛和贪婪 :
>>> import re
>>> data = """
... /posts/eb8c6d25-8784-4cdf-b016-4d8f6df64a62?mc_cid=37387dcb5f&mc_eid=787bbeceb2
... /posts/d78fa5da-4cbb-43b5-9fae-2b5c86f883cb/uid/7034
... /posts/5ff0021c-16cd-4f66-8881-ee28197ed1cf
... """
>>>
>>> re.findall(r"/posts/([A-Za-z0-9\-]+)", data)
['eb8c6d25-8784-4cdf-b016-4d8f6df64a62',
'd78fa5da-4cbb-43b5-9fae-2b5c86f883cb',
'5ff0021c-16cd-4f66-8881-ee28197ed1cf']
或者,您可以对UUID格式更加严格,请参见:
正则表达式尝试匹配尽可能多的字符(非正式地称为“最大字符”)。
对您的正则表达式.*\\/posts\\/(.*)[/?]+.*
/(。*)[/ .*\\/posts\\/(.*)[/?]+.*
的纯英语描述将类似于:
匹配任何内容,后跟
/posts/
,后跟任何内容,然后是一个或多个/?
,然后是任何内容。
当我们将该正则表达式应用于此文本时:
.../posts/d78fa5da-4cbb-43b5-9fae-2b5c86f883cb/uid/7034
...最大的munch规则要求第二个“任何”匹配都应尽可能长,因此最终匹配得比您想要的要多:
d78fa5da-4cbb-43b5-9fae-2b5c86f883cb/uid
...,因为仍有/7034
部分剩余,与正则表达式的其余部分匹配。
修复此问题的最佳方法是使用仅匹配UID中实际出现的字符的正则表达式(如@alecxe所建议)。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.