如何使用Python正则表达式从字符串中提取多个模式？

Question

https://epolicy.companyname.co.in/PRODUCTNAME/UI/PremiumCalculation.aspx?utm_source=rtb&utm_medium=display&utm_campaign=dbmew-Category-pros&dclid=CO2g3u7Gy98CFUOgaAodUv4E0w

我有数百万这样的网址，我想从中提取两件事

1. 产品名称：前面总是https://epolicy.companyname.co.in

2. *.aspx:访问的页面

我尝试了以下正则表达式

re.findall('([a-zA-Z]+\.aspx | https://epolicy\.companyname\.co\.in/(.*?)/UI)', URL)

以及它的一些变体。但没用。正确的方法是什么

Answer 1

试试这个

代码：

import re
url = "https://epolicy.companyname.co.in/PRODUCTNAME/UI/PremiumCalculation.aspx?utm_source=rtb&utm_medium=display&utm_campaign=dbmew-Category-pros&dclid=CO2g3u7Gy98CFUOgaAodUv4E0w"
print(re.findall('https://[^/]*/(.*)/UI/(.*).aspx', url))

输出：

[('PRODUCTNAME', 'PremiumCalculation')]  

Answer 2

Regex似乎根本不适合在这里使用。相反，解析URL，分割路径，并获取第一个和最后一个元素

from urllib.parse import urlparse
from pathlib import PurePath

components = urlparse(url)
path = PurePath(url.path)
product_name = path.parts[1]
page = path.stem