如何使用Python正则表达式提取URL中的page标识及对应页码

你原有正则的问题在于将分隔符和页码放在同一个选择分支中，既无法准确分离出1-3位的页码，也不能适配page和页码之间不同类型分隔符的匹配逻辑。 #

适配所有变体的正则规则 #

如果需要同时捕获page标识和对应页码，使用如下规则：

(?<=[/?])(page)(?:[-=/])?(\d{1,3})(?=/|$)

规则说明： #

• (?<=[/?])：正向回顾后断言，限定匹配位置的前一位只能是路径分隔符/或者查询参数起始符?，避免匹配到URL其他位置包含page的无关内容
• (page)：第一捕获组，精准匹配你需要的page标识
• (?:[-=/])?：非捕获组，匹配page和页码之间可能存在的分隔符（支持-、=、/三种），同时兼容没有分隔符直接跟数字的场景
• (\d{1,3})：第二捕获组，精准匹配1-3位的有效页码
• (?=/|$)：正向先行断言，限定页码后面只能是结尾或者路径分隔符/，避免误匹配更长数字或其他无关字符

匹配效果验证 #

该规则可以100%覆盖你给出的所有URL变体，提取结果符合预期：

变体需求调整 #

如果你需要连前面的/或?也一起捕获，直接去掉回顾后断言即可：

([/?])(page)(?:[-=/])?(\d{1,3})(?=/|$)

此时第一捕获组为前缀分隔符，第二组为page标识，第三组为页码。

内容的提问来源于stack exchange，提问作者taga