从链接中提取关键字

Question

我正在尝试提取链接中的前 2 个数字，如下所示：

https://primer.text.com/sdfg/8406758680-345386743-DSS1-S%20Jasd%12Odsfr%12Iwetds-Osdgf/ 
https://primer.text.com/sdfg/8945879094-849328844-DPE-S%20Jsdfe%12OIert-Isdfu/
https://primer.text.com/sdfg/8493093053-292494834-QW23%23Wsdfg%23Iprf%64Uiojn%32Asdfg-Werts/

输出应该是这样的：

id1 = ['8406758680', '8945879094','8493093053']
id2 = ['345386743', '849328844', '292494834']

我正在尝试使用 re 模块来执行此操作。

请告诉我怎么做。

这是我目前的代码片段：

def GetUrlClassId(UrlInPut):
    ClassID = ''
    for i in UrlInPut:
        if i.isdigit():
            ClassID+=i
        elif ClassID !='':
            return int(ClassID)
    return ""

def GetUrlInstanceID(UrlInPut):
    InstanceId = ''
    ClassID = 0
    for i in UrlInPut:
        if i.isdigit() and ClassID==1:
            InstanceId+=i
        elif InstanceId !='':
            return int(InstanceId)
        if i == '-':
            ClassID+=1
    return ""

我不想使用这样的东西。我想使用正则表达式。

Answer 1

使用正则表达式，您可以在基数 URL 上进行文字匹配，然后使用 \d+ 捕获两组多位数字（\d 匹配 0-9，+ 匹配至少一个前面的组）。 re.findall returns 匹配组列表。

import re
l1 = "https://primer.text.com/sdfg/8406758680-345386743-DSS1-S%20Jasd%12Odsfr%12Iwetds-Osdgf/"
l2 = "https://primer.text.com/sdfg/8945879094-849328844-DPE-S%20Jsdfe%12OIert-Isdfu/"
l3 = "https://primer.text.com/sdfg/8493093053-292494834-QW23%23Wsdfg%23Iprf%64Uiojn%32Asdfg-Werts/"

for l in [l1, l2, l3]:
  result = re.findall(r'https://primer.text.com/sdfg/(\d+)-(\d+)', l)
  print(result)

输出：

[('8406758680', '345386743')]
[('8945879094', '849328844')]
[('8493093053', '292494834')]

从这里开始，重新格式化为您想要的数据结构应该足够简单（使用 zip 或其他东西）。

Answer 2

正则表达式模式：/(\d{10})-(\d{9}) 需要方括号来标识数字组，{} 指定重复的确切出现，doc.

# urls separated by a white space
urls = 'https://primer.text.com/sdfg/8406758680-345386743-DSS1-S%20Jasd%12Odsfr%12Iwetds-Osdgf/ https://primer.text.com/sdfg/8945879094-849328844-DPE-S%20Jsdfe%12OIert-Isdfu/ https://primer.text.com/sdfg/8493093053-292494834-QW23%23Wsdfg%23Iprf%64Uiojn%32Asdfg-Werts/'

urls = urls.split() # as list

import re

ids = [re.search(r'/(\d{10})-(\d{9})', url).groups() for url in urls]
print(list(zip(*ids)))

输出

[('8406758680', '8945879094', '8493093053'), ('345386743', '849328844', '292494834')]

从链接中提取关键字

Extract keywords from links

python

regex

keyword-search