如何使用正则表达式提取URL中blabla后两个斜杠之间的字符串

问题原因 #

你之前使用的([^/]+$)正则的作用是匹配URL末尾最后一个斜杠后的所有非斜杠字符，只能拿到路径的最后一段（也就是示例中的lalaalala），自然无法获取到中间的目标段。

可行解法 #

由于目标字符串固定出现在blabla之后的下一个路径段，直接使用以下正则即可实现匹配提取：

/blabla/([^/]+)

正则逻辑说明 #

• 先精准匹配固定前缀/blabla/，直接定位到目标段的起始位置
• 捕获组([^/]+)会匹配/blabla/之后所有连续的非斜杠字符，也就是你需要的ab，遇到下一个斜杠就自动停止匹配

常用语言实现示例 #

Python示例

import re

url = "HTTPS://www.google.com/blabla/ab/what2/what3/lalaalala"
match = re.search(r"/blabla/([^/]+)", url)
if match:
    target = match.group(1)
    print(target) # 输出 ab

JavaScript示例

const url = "HTTPS://www.google.com/blabla/ab/what2/what3/lalaalala";
const match = url.match(/\/blabla\/([^/]+)/);
if (match) {
    const target = match[1];
    console.log(target); // 输出 ab
}

抗干扰优化方案 #

如果你的URL里blabla可能出现在查询参数、锚点或者域名部分，可以先提取URL的纯路径部分再做匹配，避免误匹配：

from urllib.parse import urlparse
import re

url = "HTTPS://www.google.com/blabla/ab/what2/what3/lalaalala?param=test/blabla"
path = urlparse(url).path # 提取到纯路径：/blabla/ab/what2/what3/lalaalala
match = re.search(r"/blabla/([^/]+)", path)
if match:
    target = match.group(1)
    print(target) # 依然正确输出 ab，不会被查询参数里的blabla干扰

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