正则表达式，用于确定字符串是否以数字结尾/包含数字之间的'//'

Question

我正在尝试评估跳出率，为此，我正在循环访问网址列表。我的问题是我有这样的字符串，例如：

• www.example.com/43/test-1
• www.example2.com/32/test-2

而且我无法找出一个正则表达式来测试字符串是否以这种格式结尾：

• 斜杠数字斜杠字符串 ->/number/string

到目前为止，我设法得到的是获取所有带有斜杠数字的 URL：

[x["page"] for x in data if re.search(r'd/+$', x["page"])]

但仅此而已

Answer 1

您可以使用

/d+/[^/]+$

模式匹配

• /-/
• d+- 1+ 位数字
• /-/
• [^/]+- 1+ 字符，除/
• $- 字符串的结尾。

请参阅Python演示：

import re
urls = ['www.example.com/43/test-1', 'www.example2.com/32/test-2']
for url in urls:
m = re.search(r'/d+/[^/]+$', url)
if m:
print(m.group())

结果：

/43/test-1
/32/test-2

若要仅获取数字，请使用捕获组包装d+，并通过.group(1)访问值：

re.search(r'/(d+)/[^/]+$', url)
if m:
print(m.group(1))

单行：

print([re.search(r'/d+/[^/]+$', url).group(0) for url in urls if re.search(r'/d+/[^/]+$', url)])
# => ['/43/test-1', '/32/test-2']
print([re.search(r'/(d+)/[^/]+$', url).group(1) for url in urls if re.search(r'/d+/[^/]+$', url)])
# => ['43', '32']

Answer 2

我认为您很接近，只需要稍作修改：

re.search(r'd/[^/]+$', x["page"])

这将匹配在倒数第二个路径位置具有数字的所有 URL，后跟在最终位置的一个或多个任何类型的字符。