如何编写正则表达式提取结构一致但内容不同的CNBC网页链接？

嘿，我来帮你完善这个正则表达式！你的基础部分已经找对方向了，咱们先优化一下现有写法，再补上后面的日期和标题部分就能搞定。

首先，先简化你现有的开头片段：原来的[h][t][t][p][s]://[w][w][w].[c][n][b][c].[c][o][m]/[2][0][1][5-8]其实可以写成更简洁易读的版本：

https://www\.cnbc\.com/201[5-8]/

这里的关键优化点：

• 直接写https://就行，没必要拆成单个字符的字符组
• 用\.转义点号，因为正则里的.默认匹配任意字符，我们需要精准匹配域名里的真实点
• 201[5-8]和你原来的写法效果完全一致，但更简洁直观

接下来处理后面的动态部分：从你的例子能看出，年份后是两位数字的月份/两位数字的日期，再后面是由小写字母、数字、连字符组成的标题，最终以.html结尾。对应的正则片段是：

\d{2}/\d{2}/[\w-]+\.html

拆解一下这个片段的作用：

• \d{2}：匹配恰好两位数字，对应月份和日期格式
• [\w-]：匹配字母、数字、下划线和连字符（CNBC的标题里只会出现这些字符）
• +：表示前面的字符组至少出现一次，确保标题不为空
• \.html：匹配结尾的.html后缀，同样要转义点号避免歧义

把两部分组合起来，完整的正则就是：

https://www\.cnbc\.com/201[5-8]/\d{2}/\d{2}/[\w-]+\.html

测试你给的两个例子：

• https://www.cnbc.com/2016/10/12/billionaire-richard-branson-learned-a-key-business-lesson-playing-tennis.html → 完全匹配
• https://www.cnbc.com/2016/10/12/hedge-fund-bonus-makeover.html → 完全匹配

如果你的文本里链接前后可能有空格或其他无关字符，还可以给正则加上边界处理，比如忽略前后空格：

^\s*https://www\.cnbc\.com/201[5-8]/\d{2}/\d{2}/[\w-]+\.html\s*$

这样就能精准提取每一行的链接，不会被前后的空格干扰。

内容的提问来源于stack exchange，提问作者jackson