Python 在已爬网Javascript中获取相对URL的正则表达式

我有一个与Scrapy爬虫设置，并试图处理链接。问题是链接嵌入到Javascript中，我正在努力创建正则表达式。以下是我尝试处理的3个示例：

javascript:openInIFrame（'main'，'setup.phtml%3f.op%3d3800%26.who%3daaaaaaa%26.menuItemRefNo=118'）

javascript:window.open（'overview.phtml？&.who=aaaaaa&.id=2'，'43425235'，'menubar=no，toolbar=no，location=no，resizeable=yes，maximize=yes'）

javascript:openInIFrame（'main'，“page.phtml%3f.op%3d1499%26.who%3daaaaaaa%26.ifmod%3dtest和.menuItemRefNo=7”）

每个的结果相对URL位于单引号/双引号之间：

setup.phtml%3f.op%3d3800%26.who%3daaaaaaa%26.menuItemRefNo=118

overview.phtml？&.who=aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa

page.phtml%3f.op%3d1499%26.who%3daaaaaaa%26.ifmod%3dtest&menuItemRefNo=7

---

我尝试了

（.*）和
（[“'））（？：（？=（\\？））\2.*？\1的变体，但似乎无法正确执行。我缺少什么？
也许可以尝试以下操作：

['"].*phtml.*['"]

试试这个

import re

url_regex = re.compile(r"(?:javascript:openInIFrame\('main',|javascript:window.open\()\s*(?:'|\")([^'\"]+)(?:'|\")")

samples = [
  "javascript:openInIFrame('main', 'setup.phtml%3f.op%3d3800%26.who%3dAAAAAAAAAAAA%26.menuItemRefNo=118')",
  "javascript:window.open('overview.phtml?&.who=AAAAAAAAAAAA&.id=2', '43425235', 'menubar=no,toolbar=no,location=no,resizable=yes,maximize=yes');",
  "javascript:openInIFrame('main', \"page.phtml%3f.op%3d1499%26.who%3dAAAAAAAAAAAA%26.ifmod%3dtest&.menuItemRefNo=7\")"
]

for sample in samples:
  md = url_regex.search(sample)
  if md:
    print md.group(1)
  else:
    print 'NO MATCH'

对我来说，这将产生：

setup.phtml%3f.op%3d3800%26.who%3dAAAAAAAAAAAA%26.menuItemRefNo=118
overview.phtml?&.who=AAAAAAAAAAAA&.id=2
page.phtml%3f.op%3d1499%26.who%3dAAAAAAAAAAAA%26.ifmod%3dtest&.menuItemRefNo=7

诀窍是
（[^'\“]+）
。这将捕获一个或多个字符的任何序列，只要该字符不是双引号或单引号。因此，基本上，所有内容都是URL字符串的末尾，这正是URL。请注意，
\“
是必需的，因为正则表达式本身是用
”
分隔的。您将需要两个正则表达式–一个用于
窗口。一个用于
打开，另一个用于
openInIFrame
。我可以根据其中是否有“.phtml”来获取引用的值吗？请告诉我=P如果您总是希望第一个单引号后跟
phtml
，请确定
'（[^']+\.phtml[^']+）
，如果不需要处理反斜杠转义，那么URI将对其进行解码。