用Python regex提取页面和页码

Question

我想用regex从URL中提取页面和页码。页码有几个变体：

fghghdsfs/page4
fghghdsfs/page-4
sfgsfgsfg/page=4
hteheth/page-4/
dhdghgd/page=4/
dghdghdh/page/4/
dghdghdh/page/4
fghghdsfs?page4
dhdghd?page-4
dghdg?page-4/
eyeyt?page=4
etyetyet?page=4/
nvnndgnd?page/4/
dghdghdh/page/4

页数应在1到3位之间。

我尝试过使用这个正则表达式，但是我在识别/时遇到了问题。

(=|\?|\/)(page)(_|-|=|\d{1,3}|\/)

Answer 1

正则表达式有两个问题：

1. \d{1,3}在括号内。您的意思是：page后面跟着分隔符或页码。把它放在圆括号后面，并使它成为一个捕获组，这样以后您就可以提取它。
2. 需要有分隔符的组，因此page4不匹配。在小组后面放一个?。

修复这些问题：

(=|\?|\/)(page)(_|-|=|\/)?(\d{1,3})

在regex101上看到它的作用。

Answer 2

您可以使用此正则表达式：

[=?/]page[_=/-]?(\d{1,3})

RegEx演示

RegEx详细信息：

• [=?/]：匹配=、?或/
• page：匹配字符串page
• [_=/-]?：可选匹配_、=、/或-
• (\d{1,3})：匹配1到3位数字