Python 正则表达式捕获组

假设我有这个虚拟URL，我需要提取植物及其颜色作为

捕获组

https://flowers.com/compare._plant1.green.402992_plant2.yellow.402228_plant3.red.403010_plant4.orange.399987.html

下面的

regex

I已经按照预期捕获了我需要的元素，但是当URL中的植物少于4个时，就无法捕获任何内容。底部有一个指向regex测试仪的链接，其中包含示例代码和URL，您可以使用它们

我如何修改这个正则表达式，使其动态工作，从而在不需要静态URL结构的情况下捕获可用内容。现在，假设我最多只捕获4株植物（8组）

---

您可以匹配第一个工厂，并使用问号非捕获组使第二个、第三个和第四个工厂可选

（？：…）

除了使用

*

之外，您还可以使用

\.\d+

来匹配点和1+数字，以防止不必要的回溯

(flowers\.com)\/compare\._([^.]+)\.([^.]+)\.\d+(?:_([^.]+)\.([^.]+)\.\d+)?(?:_([^.]+)\.([^.]+)\.\d+)?(?:_([^.]+)\.([^.]+)\.\d+)?

---

另一个选项是，如果您已经知道url是

flowers.com

url，则解析该url并获取路径。如果花的部分以相同的方式构造，您也可以使用模式的单个部分

\（[^.]+）\（[^.]+）\。\d++

比如说

from urllib.parse import urlparse
import re

pattern = r"_([^.]+)\.([^.]+)\.\d+"

o = urlparse('https://flowers.com/compare._plant1.green.402992_plant2.yellow.402228_plant3.red.403010_plant4.orange.399987.html')
print(re.findall(pattern, o.path))

输出

[('plant1', 'green'), ('plant2', 'yellow'), ('plant3', 'red'), ('plant4', 'orange')]

---

对于任何数量的工厂：

import re

url = 'https://flowers.com/compare._plant1.green.402992_plant2.yellow.402228_plant3.red.403010_plant4.orange.399987.html'
matches = re.finditer(r'(?:\d*_)([^.]+)\.([a-z]+)\.?', re.sub(r'.+\/flowers\.com\/compare\.', '', url))
for m in matches:
    print(m.group(1), m.group(2))

样本输出：

plant1 green
plant2 yellow
plant3 red
plant4 orange

---

除了非常感谢的第一个选项外，所有选项都是可选的！！

plant1 green
plant2 yellow
plant3 red
plant4 orange