[英]Extract keywords from links
我正在嘗試提取鏈接中的前2
數字,如下所示:
https://primer.text.com/sdfg/8406758680-345386743-DSS1-S%20Jasd%12Odsfr%12Iwetds-Osdgf/
https://primer.text.com/sdfg/8945879094-849328844-DPE-S%20Jsdfe%12OIert-Isdfu/
https://primer.text.com/sdfg/8493093053-292494834-QW23%23Wsdfg%23Iprf%64Uiojn%32Asdfg-Werts/
output 應該是這樣的:
id1 = ['8406758680', '8945879094','8493093053']
id2 = ['345386743', '849328844', '292494834']
我正在嘗試使用re
模塊來執行此操作。
請告訴我該怎么做。
這是我到目前為止的代碼片段:
def GetUrlClassId(UrlInPut):
ClassID = ''
for i in UrlInPut:
if i.isdigit():
ClassID+=i
elif ClassID !='':
return int(ClassID)
return ""
def GetUrlInstanceID(UrlInPut):
InstanceId = ''
ClassID = 0
for i in UrlInPut:
if i.isdigit() and ClassID==1:
InstanceId+=i
elif InstanceId !='':
return int(InstanceId)
if i == '-':
ClassID+=1
return ""
我不想使用這樣的東西。 我想使用正則表達式。
使用 Regex,您可以在基數 URL 上進行文字匹配,然后使用\d+
捕獲兩組多位數字( \d
匹配 0-9, +
至少匹配前一組)。 re.findall
返回匹配組的列表。
import re
l1 = "https://primer.text.com/sdfg/8406758680-345386743-DSS1-S%20Jasd%12Odsfr%12Iwetds-Osdgf/"
l2 = "https://primer.text.com/sdfg/8945879094-849328844-DPE-S%20Jsdfe%12OIert-Isdfu/"
l3 = "https://primer.text.com/sdfg/8493093053-292494834-QW23%23Wsdfg%23Iprf%64Uiojn%32Asdfg-Werts/"
for l in [l1, l2, l3]:
result = re.findall(r'https://primer.text.com/sdfg/(\d+)-(\d+)', l)
print(result)
Output:
[('8406758680', '345386743')]
[('8945879094', '849328844')]
[('8493093053', '292494834')]
從這里開始,重新格式化為您想要的數據結構應該足夠簡單(使用zip
或其他東西)。
正則表達式模式: /(\d{10})-(\d{9})
需要方括號來標識數字組, {}
指定重復的確切出現, doc 。
# urls separated by a white space
urls = 'https://primer.text.com/sdfg/8406758680-345386743-DSS1-S%20Jasd%12Odsfr%12Iwetds-Osdgf/ https://primer.text.com/sdfg/8945879094-849328844-DPE-S%20Jsdfe%12OIert-Isdfu/ https://primer.text.com/sdfg/8493093053-292494834-QW23%23Wsdfg%23Iprf%64Uiojn%32Asdfg-Werts/'
urls = urls.split() # as list
import re
ids = [re.search(r'/(\d{10})-(\d{9})', url).groups() for url in urls]
print(list(zip(*ids)))
Output
[('8406758680', '8945879094', '8493093053'), ('345386743', '849328844', '292494834')]
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.