如何用正则表达式提取URL中可位于中间或末尾的目标片段？

你当前的正则表达式因为强制要求目标片段后必须有斜杠/，所以无法匹配第三种无尾斜杠的URL。可以通过以下两种方式修改正则，实现三种格式的兼容：

方案一：将末尾斜杠设为可选 #

使用[^/]+精准匹配目标片段（匹配所有非斜杠字符），并通过/?让末尾斜杠变为可选：

import re

urls = [
    "https://www.example.com/d/abcd-1234/edit",
    "https://www.example.com/d/abcd-1234/",
    "https://www.example.com/d/abcd-1234"
]

# 修改后的正则
pattern = r'https://www.example.com/d/([^/]+)/?'
for url in urls:
    match = re.search(pattern, url)
    if match:
        print(match.group(1))  # 三个URL都会输出abcd-1234

正则说明：

• [^/]+：匹配任意数量的非斜杠字符，正好对应你需要提取的abcd-1234片段
• /?：表示末尾的斜杠是可选的（允许出现0次或1次）

方案二：精准匹配到斜杠或字符串结尾 #

如果需要更严格的匹配，确保提取的是d/之后到下一个斜杠或字符串结尾的内容，可以用非捕获组限定匹配边界：

pattern = r'https://www.example.com/d/([^/]+)(?:/|$)'

这里(?:/|$)是一个非捕获组，只会匹配斜杠或者字符串结尾，不会捕获该部分内容，避免干扰目标片段的提取。

注意事项 #

推荐用[^/]+代替原正则中的.+?，因为.+?是惰性匹配任意字符，在复杂URL场景下可能意外匹配到不需要的内容，而[^/]+的匹配范围更精准，完全符合目标片段的字符规则。

内容的提问来源于stack exchange，提问作者Tokyo