Python re.findall 之后返回带有不需要的字符串的链接

Question

我有一个 python 脚本使用 BeautifulSoup 进行抓取。这是我的代码：

re.findall('stream:\/\/.+', link)

它旨在找到 link 如下：

stream://987cds9c8ujru56236te2ys28u99u2s

但它也 returns 像这样的字符串：

stream://987cds9c8ujru56236te2ys28u99u2s  [SD] Spanish - (9.15am)

即有空格和我不想要的额外东西。我该如何表达

re.findall

所以它只是 returns link 第一部分？

（提前致谢）

Answer 1

您可以使用非贪婪匹配（将 ? 添加到模式）和单词边界字符 '\b':

>>> re.findall(r'stream:\/\/.+?\b', link)
['stream://987cds9c8ujru56236te2ys28u99u2s']

或者如果你只想匹配单词字符，你可以简单地使用 '\w+':

>>> re.findall(r'stream:\/\/\w+', link)
['stream://987cds9c8ujru56236te2ys28u99u2s']

Python re.findall returning links with unwanted string afterwards