使用正則表達式提取網址的一部分

Question

我試圖使用正則表達式來提取某些網址的特定部分，這些網址出現在不同的變體中。 這裏是通用的格式：

http://www.blackpages.com/cityName-StateName/mip/part-I-want-to-extract/randomCharacters 

有時是 「MIP」 部分不存在，網址如下：

http://www.blackpages.com/cityName-StateName/part-I-want-to-extract/randomCharacters 

我開始寫以下RE：

re.compile("blackpages\.com/.*") 

.*匹配任何字符現在，當遇到「/」並在遇到下一個「/」之前提取所有後續內容時，我該如何停止？這會給我我想要提取的部分。

Answer 1

你需要使用一個否定的字符類：

re.compile(r"blackpages\.com/([^/]*)") 
          ^^^^ 

的[^/]*將匹配0+字符比/等，儘可能多的（貪婪）。

如果您期望在/之後至少有一個字符，請使用+量詞（1次或多次出現次數）而不是*。

見regex demo

Python code：

import re 
rx = r"blackpages\.com/([^/]*)" 
ss = ["http://www.blackpages.com/cityName-StateName/mip/part-I-want-to-extract/randomCharacters", 
"http://www.blackpages.com/cityName-StateName/part-I-want-to-extract/randomCharacters"] 
for s in ss: 
    m = re.search(rx, s) 
    if m: 
     print(m.group(1)) 

輸出：

cityName-StateName 
cityName-StateName