正则表达式：在python中获取字符串和可选的额外字符串

Question

我在html页面列表中寻找这些带有正则表达式的url，每个页面都有自己独特的url，如下所示

http://sfbay.craigslist.org/search/sfc/apa?
http://sfbay.craigslist.org/search/sfc/apa?s=100
http://sfbay.craigslist.org/search/sfc/apa?s=200
http://sfbay.craigslist.org/search/sfc/apa?s=300

我已经尝试了这个正则表达式，试图获取第一个url，以及具有一组字符串的以下url，而第一个url没有

re_search = '(http\:\/\/sfbay\.craigslist\.org\/search\/sfc\/apa\?(s\=\d+)?)'
searched_urls = re.findall(re_search, str(search_page_html))
searched_urls

• 搜索页面是html页面的列表

它给出了这个结果，但我只想要每个元组的第一个结果

('http://sfbay.craigslist.org/search/sfc/apa?', ''),
('http://sfbay.craigslist.org/search/sfc/apa?s=100', 's=100'),
('http://sfbay.craigslist.org/search/sfc/apa?s=200', 's=200'),
('http://sfbay.craigslist.org/search/sfc/apa?s=300', 's=300'),

提前谢谢

Answer 1

在正则表达式中，一对括号将捕获匹配项。您有两对括号，因此每个元组中有两个匹配项

(s\=\d+)

正在捕获''、's=100'、's=200'和's=300'。您可以将该组更改为非捕获组，方法是在括号的开头添加?:，如下所示：

(?:s\=\d+)