如何用Python正则表达式从URL提取Artifactory相关信息？

你完全可以通过Python正则一次性提取出Artifactory实例名称、仓库名称和制品名称，无需多次拆分组合，利用正则捕获组就能直接搞定。

正则匹配思路 #

观察你提供的URL结构，共性是：

• 以https://开头，后跟Artifactory实例域名（可能带端口，但示例中不需要端口）
• 固定路径/artifactory/作为分隔符
• 之后依次是仓库名称和制品的完整路径

基于这个结构，我们可以写出精准匹配的正则表达式。

代码实现 #

import re

# 编译正则模式，三个捕获组分别对应实例、仓库、制品
url_pattern = re.compile(r"https://([^:/]+)(?::\d+)?/artifactory/([^/]+)/(.*)")

# 测试示例URL
test_urls = [
    "https://artifactory.intuit.veg.com:443/artifactory/annual-budget-local/manifests-approved/1.0.0/annual-chart/po09ij/annual-f3c.tgz",
    "https://artifactory.skopeo.marvel.org/artifactory/bulletins_virtual/manifests-approved/po09ij/annual-f3c.tgz"
]

for url in test_urls:
    match_result = url_pattern.match(url)
    if match_result:
        # 提取三个捕获组的内容
        artifactory_instance = match_result.group(1)
        repo_name = match_result.group(2)
        artifact_name = match_result.group(3)
        
        print(f"Artifactory实例: {artifactory_instance}")
        print(f"仓库名称: {repo_name}")
        print(f"制品名称: {artifact_name}")
        print("---")

捕获组说明 #

• ([^:/]+)：匹配Artifactory实例名称，[^:/]表示匹配除了:和/之外的所有字符，刚好避开端口号部分
• (?::\d+)?：可选的端口匹配，用?:标记为非捕获组，不影响我们提取目标内容
• ([^/]+)：匹配仓库名称，直到遇到下一个/为止
• (.*)：匹配剩余的所有路径，也就是完整的制品名称

运行结果 #

Artifactory实例: artifactory.intuit.veg.com
仓库名称: annual-budget-local
制品名称: manifests-approved/1.0.0/annual-chart/po09ij/annual-f3c.tgz
---
Artifactory实例: artifactory.skopeo.marvel.org
仓库名称: bulletins_virtual
制品名称: manifests-approved/po09ij/annual-f3c.tgz

这个方案一步到位，比多次split更简洁高效，也能准确适配你给出的URL格式。

内容的提问来源于stack exchange，提问作者Rafa S