使用正则表达式从 URL 中提取文件名——需要排除一些字符

Question

我有一个格式如下的资源：

{"url": "http://res1.icourses.cn/share/process17//mp4/2017/3/17/6332c641-28b5-43a0-894c-972bd804f4e1_SD.mp4", "name": "1-课程导学"}, 
{"url": "http://res2.icourses.cn/share/process17//mp4/2017/3/17/a21902b6-8680-4bdf-8f47-4f99d1354475_SD.mp4", "name": "2-计算机网络的定义与分类"}

我想从 url 中提取文件名6332c641-28b5-43a0-894c-972bd804f4e1_SD.mp4和a21902b6-8680-4bdf-8f47-4f99d1354475_SD.mp4 。

我将如何编写正则表达式来匹配此位置的字符串？

Answer 1

根据您提供的字符串，您可以遍历字典，获取“url”的值并使用以下正则表达式

([^\\/]*)$

解释：

() - defines capturing group
[^\/] - Match a single character not present after the ^
\/ - matches the character / literally (case sensitive)
* - Quantifier — Matches between zero and unlimited times, as many times as possible, giving back as needed (greedy)
$ - asserts position at the end of the string, or before the line terminator right at the end of the string (if any)

例如：

for record in records:
    print(re.search("([^\/]*)$", record['url']).group(1))

在这种情况下，我们利用了文件名出现在字符串末尾的事实。 使用$锚点使唯一有效的匹配项终止字符串。

如果您想将字典转换为字符串，则可以通过更改结束条件来执行此操作。 像这样([^\\/]*?)\\", . 现在",终止匹配（注意\\转义" 。见https://regex101.com/r/k9VwC6/25

最后，如果我们不是很幸运，捕获组位于字符串的末尾（这意味着我们不能使用$ ），我们可以使用负向后面。 你可以在这里阅读这些内容。

Answer 2

您可以使用re.findall ：

import re
s = [{"url": "http://res1.icourses.cn/share/process17//mp4/2017/3/17/6332c641-28b5-43a0-894c-972bd804f4e1_SD.mp4", "name": "1-课程导学"}, {"url": "http://res2.icourses.cn/share/process17//mp4/2017/3/17/a21902b6-8680-4bdf-8f47-4f99d1354475_SD.mp4", "name": "2-计算机网络的定义与分类"}]
filenames = [re.findall('(?<=/)[\w\-\_]+\.mp4', i['url'])[0] for i in s]

输出：

['6332c641-28b5-43a0-894c-972bd804f4e1_SD.mp4', 'a21902b6-8680-4bdf-8f47-4f99d1354475_SD.mp4']

Answer 3

您可以使用简短的正则表达式[^/]*$

代码：

import re
s = [{"url": "http://res1.icourses.cn/share/process17//mp4/2017/3/17/6332c641-28b5-43a0-894c-972bd804f4e1_SD.mp4", "name": "1-课程导学"}, {"url": "http://res2.icourses.cn/share/process17//mp4/2017/3/17/a21902b6-8680-4bdf-8f47-4f99d1354475_SD.mp4", "name": "2-计算机网络的定义与分类"}]
filenames = [re.findall('[^/]*$', i['url'])[0] for i in s]
print(filenames)`

输出：

['6332c641-28b5-43a0-894c-972bd804f4e1_SD.mp4'、'a21902b6-8680-4bdf-8f47-4f99d1354475_SD.mp4']

检查正则表达式 - https://regex101.com/r/k9VwC6/30