Extrahieren eines Teils einer URL mithilfe von RegEx

Question

Ich versuche RegEx zu verwenden, um einen bestimmten Teil von URLs zu extrahieren, die in verschiedenen Variationen enthalten sind. Hier ist das generische Format:

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

manchmal, dass "mip" -Teil nicht existiert und die URL sieht wie folgt aus:

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

Ich schreibe folgendes RE gestartet:

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

Die .* entspricht einem beliebigen Zeichen. Nun, wie höre ich auf, wenn ich auf ein "/" stoße und alles extrahiere, was folgt, bevor das nächste "/" angetroffen wird? Dies würde mir den Teil geben, den ich extrahieren möchte.

Answer 1

Sie brauchen eine negierte Zeichenklasse verwendet wird:

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

Die [^/]* wird 0+ Zeichen anders als /, so viele wie möglich (Gierig) entsprechen.

Wenn Sie mindestens ein Zeichen nach / erwarten, + quantifier (1 oder mehr Vorkommen) statt * verwenden.

anzeigen 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)) 

Ausgang:

cityName-StateName 
cityName-StateName