Python 使用正则表达式从URL提取子字符串

这里是Regex新手。我有一堆URL，需要从中提取一些使用正则表达式的子字符串

例如：如果我的URL是

https://chrome.google.com/webstore/detail/vt-hokie-stone-theme/enmbbbhbkojhbkbolmfgbmlcgpkjjlja?hl=en-美国

，我需要提取1<代码>vt hokie stone主题第二部分和第二部分

enmbbbhbkojhbkbkbbolmfgbmlcgpkjjjlja

将此url分成两个单独的变量

我的URL的初始部分始终保持不变，因此我构建了以下正则表达式

detail\/（[a-z0-9\-]+）\/（[a-z]+）

，我正在尝试

我看到

regex.findall（string）

给了我想要的，但我有以下问题：

我希望它们在两个独立的变量中，而不是在单个变量中作为列表格式。我该怎么做

另外，在pythonregex上检查时，

regex.findall（string）

命令将输出为

[（u'vt-hokie-stone-theme'，u'enmbbbhbkojhbkbbolmfgbmlcgpkjjjjlja'）]

。我知道前面的

u

表示unicode，但我不希望它出现在我的输出中。如何删除它

我个人并不认为仅仅从findall（）数组的第一个索引设置变量有什么问题。但是，如果您确信您的正则表达式将始终匹配准确的url字符串，则可以尝试重新匹配：

在[22]中：regex=re.compile（'a（bc）（cd）'

[23]中：regex.match（'abccd'）.groups（）

Out[23]：（'bc'，'cd'）

unicode有什么问题？你为什么不想留着它？我知道正则表达式无论如何只返回ascii，所以这不是问题。无论哪种方式，如果让它们成为常规字符串真的很重要，只需将其转换为字符串即可

str（u'abc'）=='abc'

您可以使用元组/列表分配语法来实现这一点：

try:
    var1, var2 = re.search(r"detail\/([a-z0-9\-]+)\/([a-z]+)", my_url).groups()
except AttributeError:
    var1 = var2 = ""

unicode字符串只能在网站的答案中看到，而在原始python中，返回值将是普通字符串。所以，你不必担心

---

您可以使用下面的正则表达式来实现同样的效果。如果您确定URL的格式，您可以尝试下面的方法。请注意，最后一个捕获th groups base的.*regex是非贪婪的，而捕获group主题的.*regex是非贪婪的

>>> var = 'https://chrome.google.com/webstore/detail/vt-hokie-stone-theme/enmbbbhbkojhbkbolmfgbmlcgpkjjlja?hl=en-U'

>>> match = re.match(r"(?P<base>.*/webstore/.*?/)(?P<theme>.*?)/(?P<tail>.*)",var);
>>> if match:
       ...    print match.group('base')
       ...    print match.group('theme')
       ...    print match.group('tail')

https://chrome.google.com/webstore/detail/
vt-hokie-stone-theme
enmbbbhbkojhbkbolmfgbmlcgpkjjlja?hl=en-U

>>var='0https://chrome.google.com/webstore/detail/vt-hokie-stone-theme/enmbbbhbkojhbkbolmfgbmlcgpkjjlja?hl=en-U'
>>>match=re.match（r“（？P.*/webstore/*？/）（？P.*？/（？P.*”），var）；
>>>如果匹配：
...    打印匹配。组（'base'））
...    打印匹配。组（'主题'）
...    打印匹配。组（'tail'））
https://chrome.google.com/webstore/detail/
霍基斯通主题酒店
Enmbbbhbkojhbkbbolmfgbmlcgpkjjjlja？hl=en-U

如果regexp不匹配，此操作将中断。感谢您的注意。编辑了答案，以便在regexp不匹配的情况下处理异常。谢谢，这很有帮助！：）