正则表达式捕获组

Question

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regexI have正在按预期捕获我需要的元素，但是当我的URL中的植物少于4株时，它无法捕获任何东西。底部有一个指向regex测试员的链接，其中有示例代码和URL，您可以使用。

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，假设我最多只能捕获4株植物（8组）

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

https://regex101.com/r/prjAO7/2

Answer 1

对于任何数量的植物：

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

Answer 2

您可以匹配第一种植物，并使用问号非捕获组（？：...）？

而不是使用* 你也可以使用\，匹配一个点和一个数字。\d以防止不必要的回溯。

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

Regex演示

另一个选择是解析url，如果你已经知道它是flowers。comurl并获取路径。如果花的部分是以相同的方式构造的，那么您也可以使用模式的单个部分\（[^.]）\。([^.] )\.\d

Python演示

例如

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')]