Python如何从LinkedIn个人主页URL中准确提取ID？

Python的str.lstrip()方法的参数是字符集合，而非完整匹配的前缀字符串。只要目标字符串开头的字符落在你传入的"https://www.linkedin.com/in/"的字符范围内，就会被无差别删掉，比如ID如果以h、t、p、s、w、l、i、n等字符开头，都会被误删，这就是你遇到结果缺字符甚至为空的核心原因。

下面给出三种不同场景的实现，都不需要依赖第三方库：

• 方案1：使用标准库urllib.parse解析（兼容性最优）
  可以兼容http/https前缀、不同地区子域名（如cn.linkedin.com）、URL带查询参数等各种情况，是最稳妥的方案：

  from urllib.parse import urlparse
  
  def extract_linkedin_id(link: str) -> str:
      parsed_url = urlparse(link)
      # 拆分路径，过滤空串
      path_segments = [seg for seg in parsed_url.path.split('/') if seg]
      # 匹配/in/后的第一段路径即为ID
      if len(path_segments) >= 2 and path_segments[0] == 'in':
          return path_segments[1]
      return ""
  

• 方案2：字符串分割（适合已知URL格式完全符合要求的场景）
  逻辑简单执行快，只要URL里存在/in/段就能正确提取：

  def extract_linkedin_id(link: str) -> str:
      if '/in/' not in link:
          return ""
      # 取/in/之后的部分，再去掉末尾的/和后续参数
      after_in_part = link.split('/in/', 1)[1]
      return after_in_part.split('/')[0].split('?')[0].split('#')[0]
  

• 方案3：正则匹配（适合需要严格格式校验的场景）
  可以直接过滤掉不符合格式的错误URL，匹配精度高：

  import re
  
  LINKEDIN_ID_PATTERN = r'linkedin\.com/in/([^/?#]+)'
  def extract_linkedin_id(link: str) -> str:
      match_res = re.search(LINKEDIN_ID_PATTERN, link)
      return match_res.group(1) if match_res else ""
  

内容的提问来源于stack exchange，提问作者Aytida