Python / regex - 在第 n 个和第 n 个字符之间提取字符串答案

【问题标题】：Python / regex - Extract string between nth and nth characterPython / regex - 在第 n 个和第 n 个字符之间提取字符串
【发布时间】：2022-12-18 16:21:08
【问题描述】：

我有多个 url 值，例如：

https://www.happy.com/de/article/98238811/poppers

https://www.happy.com/sr

https://www.happy.com/en/forum/ocean-liveliness

我想提取第 3 个和第 4 个斜杠之间的值（如果存在第 4 个斜杠）（例如：de、sr、en）

在第 4 和第 5 个斜杠之间（例如：文章、论坛）

我对正则表达式很糟糕，我试过这个 [\/]*[^\/]+[\/]([^\/]+) 但它似乎获得了所有值，包括 www.happy。我不想要。

【问题讨论】：

为什么使用 regex 而不是 split 函数？

标签： python regex

【解决方案1】：

在这种情况下，您甚至可能不需要正则表达式。只需简单地用斜线分割字符串。并检查返回的块。例如。

>>> "https://www.happy.com/de/article/98238811/poppers".split('/')[3]
'de'
>>> "https://www.happy.com/de/article/98238811/poppers".split('/')[4]
'article'

【讨论】：

【解决方案2】：

我同意 Split 函数更容易的其他答案/cmets，但是如果您坚持使用正则表达式，则在 Python 的正则表达式中有 K 运算符，它会丢弃左侧的匹配部分。

因此，^(?:.*?/){3}K.*?(?=/|$) 将从每行的开头搜索三个斜杠，然后将其从匹配中丢弃，进行非贪婪匹配 .*? 以获取您想要的结果，然后进行前瞻以停止匹配斜杠或行尾，以先遇到的为准。前瞻将不包含在匹配中。

如果您一次扫描多个示例，请确保包含 RE.M 标志，以便 ^ 和 $ 匹配行的开始/结束以及字符串的开始/结束。

【讨论】：