Python 正则表达式困难

这就是我要提取的链接：

这就是我目前拥有的

.+\/article-details\/.+\-.+\-.+\-.+\-.+\-.+$

然而，问题是它在“/article details/”部分后提取任意数量的单词和连字符，而不是用连字符替换上面空格的6个单词的标题。所以它会接受一个糟糕的结果

http://www.hrmagazine.co.uk/article-details/finance-sector-dominates-working-families-benchmark-test

当我需要它只接受这种格式的链接

http://www.hrmagazine.co.uk/article-details/one-two-three-four-five-six

这类网站的正确正则表达式是什么？我在Scrapy/Spyder中使用的当前提取器如下

rules = (Rule(LinkExtractor(allow=['.+\/article-details\/.+\-.+\-.+\-.+\-.+\-.+$']), callback='parse_item', follow=True),)

---

正则表达式中的每个

+

都可以匹配任意数量的字符，包括连字符。因此，您的整个正则表达式只需要至少5个连字符，而不是精确的计数。使用

[^-]+

仅匹配非连字符

---

请注意，正则表达式中的这些反斜杠都没有完成任何操作——在任何情况下，下面的字符都不需要转义。即使是这样，您也需要将反斜杠加倍，或者使用原始字符串

r'whatever'

，以便反斜杠由

re

模块解释，而不是由Python的字符串文字解析规则解释。

尝试将

替换为类似

[a-z]

<代码>也将匹配连字符，这就是为什么它会匹配无限数量的单词：

.+\/article-details\/[a-z]+\-[a-z]+\-[a-z]+\-[a-z]+\-[a-z]+\-[a-z]+$

---

如果您需要匹配数字之类的内容，请将它们也添加到括号中（

[a-z0-9]

等）。

尝试

///a[count（tokenize（tokenize（substring after（@href，“article details/”，-”））=6]/@href

以提取包含5个连字符的链接引用，该语句引用到问题的地方？这看起来不是正则表达式的格式……您用“XPath”标记了您的问题。这是XPathAh。哎呀。我现在把它改成正则表达式标签。从什么中提取出来？所以。。。那么我应该使用什么样的正则表达式呢？