使用regex从url中提取子路径

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-

我要在这里提取1207151 。

这是我的regext：

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

但这是错的！

我的错是什么？

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}将匹配任何非正斜杠和/ 7次中的一个或多个，在捕获的组＃1中给出我们的最后一个匹配。

Answer 2

你有几件事情要发生。

首先，您需要妥善逃避所有的/秒。 你有大部分，但错过了一对：

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

从这里开始，您可以连续使用“1个或更多不是/”的数量：

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

但这不是你想要做的，你的意思是有很多“非/”后跟一个“/”，根据你的例子，在使用你的命名捕获组之前你想要它6次。

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

这是有效的：

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)