嘿，我来帮你搞定这个URL过滤的问题！既然你已经有了在regex101验证过的正则，那核心就是把它和你的爬取逻辑结合起来，筛选出符合要求的URL就行。我用Python举例子（毕竟爬虫场景里最常用这个），你可以对应到自己用的编程语言调整：

1. 过滤已爬好的URL列表 #

如果你已经把所有爬取到的URL存在了all_urls列表里，直接用列表推导式加正则模块就能快速筛选：

import re

# 把这里换成你验证过的正则，记得一定要加结尾锚定$，确保是URL末尾匹配
# 比如对应/[若干字母][3个数字]结尾的示例正则是：r'\/[a-zA-Z]+\d{3}$'
pattern = re.compile(r'\/[a-zA-Z]+\d{3}$')

# 过滤出符合规则的URL
filtered_urls = [url for url in all_urls if pattern.search(url)]

为啥要加$？要是不加的话，可能会误判那些中间包含/字母+3数字的URL（比如/abc123/def这种明显不符合你的需求，但没加$就会被匹配到），加了$就只会匹配正好以该模式结尾的URL，和你要的完全一致。

2. 爬取时直接过滤（更省内存） #

要是不想先爬一堆URL再过滤，还能在爬取到单个URL的时候就判断，符合条件再存起来，这样能少占内存：

import re
import requests
from bs4 import BeautifulSoup

pattern = re.compile(r'\/[a-zA-Z]+\d{3}$')
target_urls = []

# 举个用BeautifulSoup爬取的例子，你换成自己的爬取逻辑就行
response = requests.get("你的目标网站地址")
soup = BeautifulSoup(response.text, 'html.parser')

for link in soup.find_all('a', href=True):
    url = link['href']
    # 先检查是否符合正则，符合才加入结果列表
    if pattern.search(url):
        target_urls.append(url)

小提醒 #

• 不管是相对URL（比如/abc123）还是绝对URL（比如https://xxx.com/abc123），这个正则都能正常匹配到结尾的部分，不用额外调整。
• 写正则的时候记得用原始字符串（前面加r），避免转义字符搞出问题。

这样修改后，你得到的就是完全符合要求的URL列表啦！

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