如何使用正则表达式提取子字符串？ （屏幕抓取）

Question

嘿伙计们，我真的很想在抓取网站时理解正则表达式，我已经在我的代码中使用它足以提取以下内容，但我被困在这里。我需要快速抓住这一点：

http://www.example.com/online/store/TitleDetail?detail&sku=123456789

从这里：

('<a href="javascript:if(handleDoubleClick(this.id)){window.location=\'http://www.example.com/online/store/TitleDetail?detail&sku=123456789\';}" id="getTitleDetails_123456789">\r\n\t\t\t            \tcheck store inventory\r\n\t\t\t            </a>', 1)

这就是我感到困惑的地方。有什么想法吗？

编辑：每个产品的 sku 编号都会变化，所以这对我来说是个麻烦

Answer 1

http://www\.example\.com/online/store/TitleDetail\?detail&sku=\d+

使用带有“Greedy”+ 的 \d 组来限定 sku 字段中的任何整数值

Answer 2

pattern = re.compile(r"window.location=\\'([^\\]*)")
haystack = r"""<a href="javascript:if(handleDoubleClick(this.id)){window.location=\'http://www.example.com/online/store/TitleDetail?detail&sku=123456789\';}" id="getTitleDetails_123456789">\r\n\t\t\t\tcheck store inventory\r\n\t\t\t</a>"""
url = re.search(pattern, haystack).group(1)

Answer 3

您不需要正则表达式，只需使用字符串方法：

result = html[0].split("window.location='")[1].split("'")[0]

Answer 4

如果总是 9 位数字

http://www.example.com/online/store/TitleDetail?detail&sku=[0-9]{9}

如果有任意数量的数字：

http://www.example.com/online/store/TitleDetail?detail&sku=[0-9]*

更一般：

http*?sku=[0-9]*

（*? 中的 ? 表示它将首先找到较短的匹配项，因此不太可能找到跨越多个 URL 的匹配项。）

编辑：[ 0-9]。不是 [1-9]

Answer 5

http://txt2re.com/ 可能对您有帮助