使用正则表达式从URL中提取子字符串
正则表达式新手在这里。 我有一堆网址，我需要从中抽取一些我正在使用正则表达式的子串。
例如：如果我的网址是https://chrome.google.com/webstore/detail/vt-hokie-stone-theme/enmbbbhbkojhbkbolmfgbmlcgpkjjlja?hl=en-US ，我需要提取1. vt-hokie-stone-theme部分和2. enmbbbhbkojhbkbolmfgbmlcgpkjjlja这个url的enmbbbhbkojhbkbolmfgbmlcgpkjjlja部分分成两个独立的变量。
我的URL的最初部分总是保持不变，所以我建立了以下正则表达式detail/([a-z0-9-]+)/([az]+) ，我试图在http：/ /www.pythonregex.com/
我看到regex.findall(string)给了我我想要的，但我有以下问题：
我希望他们在两个独立的变量中，而不是将它们作为单个变量中的列表格式。 我该怎么做？
另外，在检查pythonregex时， regex.findall(string)命令将输出显示为[(u'vt-hokie-stone-theme', u'enmbbbhbkojhbkbolmfgbmlcgpkjjlja')] 。 我知道前面的u意味着unicode，但我不希望它在我的输出中。 我如何删除它？
您可以使用元组/列表赋值语法来实现这一点：
try:
var1, var2 = re.search(r"detail/([a-z0-9-]+)/([a-z]+)", my_url).groups()
except AttributeError:
var1 = var2 = ""
unicode字符串只能在网站的答案中看到，而在原始python中，返回值将是普通字符串。 所以，你不必担心它。
我个人没有看到这个问题，只是从findall（）数组的第一个索引设置变量。 但是，如果你确信你的正则表达式总是匹配确切的url字符串，你可以尝试re.match：
在[22]中：regex = re.compile（'a（bc）（cd）'）
在[23]中：regex.match（'abccd'）。groups（）
Out [23] :('bc'，'cd'）
unicode有什么问题？ 你为什么不想保留它？ 我知道正则表达式只会返回ascii，所以这不是问题。 无论哪种方式，如果使它们成为常规字符串非常重要，只需将其转换为字符串即可。
str（u'abc'）=='abc'
你可以使用下面的正则表达式来实现相同的效果。 如果你确定URL的格式，你可以尝试下面的内容。 请注意，最后一次。*正则表达式捕获组的基础是非贪婪的，捕获组主题的。*正则表达式是非贪婪的。
>>> var = 'https://chrome.google.com/webstore/detail/vt-hokie-stone-theme/enmbbbhbkojhbkbolmfgbmlcgpkjjlja?hl=en-U'
>>> match = re.match(r"(?P<base>.*/webstore/.*?/)(?P<theme>.*?)/(?P<tail>.*)",var);
>>> if match:
... print match.group('base')
... print match.group('theme')
... print match.group('tail')
https://chrome.google.com/webstore/detail/
vt-hokie-stone-theme
enmbbbhbkojhbkbolmfgbmlcgpkjjlja?hl=en-U