如何使用正则表达式提取键子字符串和“/”之间的字符串？

Question

我有一个字符串

/path/to/file?_subject_ID_SOMEOTHERSTRING

路径/到/文件部分的变化取决于情况，subject_ID 总是在那里。我尝试编写一个仅提取 file 部分字符串的正则表达式。使用?subject_ID 是肯定的，但我不知道如何安全地获得file

我当前的正则表达式看起来像 (.*[\/]).*\?_subject_ID

url = '/path/to/file?_subject_ID_SOMEOTHERSTRING'
file_re = re.compile('(.*[\/]).*\?_subject_ID')
file_re.search(url)

这将找到正确的字符串，但我仍然无法提取文件名

打印 _.group(1) 会得到我/path/to/。下一步是什么让我得到实际的文件名？

Answer 1

至于您的'(.*[\/]).*\?_subject_ID' 正则表达式方法，您只需要在第二个.* 周围添加一个捕获组。您可以使用r'(.*/)(.*)\?_subject_ID'（然后，将捕获.group(1) 和.group(2) 部分），但这不是在Python 中解析URL 的最合适的方式。

您可以在这里使用非正则表达式方法，这里是一个 sn-p，展示了如何利用 urlparse 和 os.path 来解析 URL：

import urlparse
path = urlparse.urlparse('/path/to/file?_subject_ID_SOMEOTHERSTRING').path
import os.path
print(os.path.split(path)[1]) # => file
print(os.path.split(path)[0]) # => /path/to

见IDEONE demo

Answer 2

真的很简单。只需匹配之前的/ 和之后的?subject_ID：

([^/?]*)\?subject_ID

[^/?]*（相对于.*）是因为否则它也会匹配之前的部分。字符类中的?

如果你想同时获取路径和文件，你可以做很多相同的事情，但也可以获取/之前的部分：

([^?]*)([^/?]*)\?subject_ID

它与之前的基本相同，但第一个位被捕获而不是被忽略。