如何用正则表达式提取指定URL中的目标纯数字？

问题分析 #

你需要从两种格式的URL中提取79084和64931这两个纯数字，同时排除/t/路径片段，之前的正则因为贪婪匹配的问题没能得到预期结果。

正确正则方案 #

方案1：精准匹配固定结构（推荐） #

针对你的URL固定结构https://sub.example.com/数字/t/数字[?参数]，可以用带捕获组的正则直接定位两个数字：

sub\.example\.com\/(\d+)\/t\/(\d+)

• 解释：(\d+)会分别捕获域名后的第一个数字，以及/t/后面的第二个数字，不管URL末尾有没有参数，都能精准提取。

代码示例（Python）：

import re

urls = [
    "https://sub.example.com/79084/t/64931?Url=https%3a%2f%2fwww.test.com%2fpath%2fotherpath%2f",
    "https://sub.example.com/79084/t/64931"
]

pattern = r"sub\.example\.com\/(\d+)\/t\/(\d+)"
for url in urls:
    match_result = re.search(pattern, url)
    if match_result:
        target_nums = [match_result.group(1), match_result.group(2)]
        print(target_nums)  # 输出 ['79084', '64931']

方案2：全局匹配目标位置的数字 #

如果URL结构存在小范围变动，但数字始终在sub.example.com/之后和/t/之后，可以用正向断言全局匹配：

(?<=sub\.example\.com\/)\d+|(?<=\/t\/)\d+

• 解释：(?<=sub\.example\.com\/)确保匹配的数字在域名之后，(?<=\/t\/)确保数字在/t/之后，|表示或逻辑，全局匹配即可拿到两个目标数字。

代码示例（Python）：

import re

urls = [
    "https://sub.example.com/79084/t/64931?Url=https%3a%2f%2fwww.test.com%2fpath%2fotherpath%2f",
    "https://sub.example.com/79084/t/64931"
]

pattern = r"(?<=sub\.example\.com\/)\d+|(?<=\/t\/)\d+"
for url in urls:
    target_nums = re.findall(pattern, url)
    print(target_nums)  # 输出 ['79084', '64931']

之前正则的问题 #

你使用的(?<=\/sub.example.com\/)(.*)(?=\?[Uu]rl|$)中，.*是贪婪匹配模式，会把79084/t/64931整个字符串全部匹配到，而不是拆分出单独的数字，因此无法得到预期的数字数组。

内容的提问来源于stack exchange，提问作者Ahmet Zeybek