询问一个正则表达式问题

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

已注册用户请登录

这是一个创建于 1538 天前的主题，其中的信息可能已经有所发展或是发生改变。

想要提取淘宝商品链接 Url 里的 id，但在下面第一条测试中遇到了些问题，会把后面"trackid=2"也识别进去

我用的正则表达式：

^.+id=(\d+)(&?)

测试 Url 如下

https://item.taobao.com/item.htm?id=598384050583&ali_trackid=2:mm_31395756_17858613_64290316:1582994613_109_29192307&pvid=null&scm=null

https://item.taobao.com/item.htm?spm=a230r.1.14.44.60c43f398SnbJg&id=596339389459&ns=1&abbucket=14#detail

https://item.taobao.com/item.htm?spm=a230r.1.14.44.60c43f398SnbJg&ns=1&abbucket=14#detail&id=596339389459

https://i.loli.net/2020/03/01/UzRL4DNFXgH8CYB.png

url

trackid

测试

表达

8 条回复 • 2020-03-01 13:46:48 +08:00

ciqulover

2020-03-01 02:30:38 +08:00

```
[&?]id=(\d+)
```

imn1

2020-03-01 02:49:39 +08:00

^.+id=(\d+)
就这样不行么？贪婪就可以了
你写的也可以，只提取 match1 就是了，match2 舍弃，match0 为全部

autoxbc

2020-03-01 04:08:03 +08:00

每次用正则解析序列化的结构数据，就是重新写了一遍这种数据结构的解析器

>>> new URI('https://item.taobao.com/item.htm?id=598384050583&ali_trackid=2:mm_31395756_17858613_64290316:1582994613_109_29192307&pvid=null&scm=null').search(true).id
"598384050583"
>>> new URI('https://item.taobao.com/item.htm?spm=a230r.1.14.44.60c43f398SnbJg&id=596339389459&ns=1&abbucket=14#detail').search(true).id
"596339389459"
>>> new URI('https://item.taobao.com/item.htm?spm=a230r.1.14.44.60c43f398SnbJg&ns=1&abbucket=14#detail&id=596339389459').search(true).id
undefined

注意第三条之所以没有成功获取，是因为 url 本身就不包含合法的 id，那个 id=596339389459 位于 # 符号之后，会被作为 Location hash 的一部分，而不是 Location search 的一部分。如果一个程序从非法的数据中提取到了结果，只能说这个程序写错了

url 是个稍微有点复杂的东西，希望任何人不要试图用正则处理 url，除非你是解析器的作者

在 JavaScript 环境中，上面的 URI() 来自 URI.js ，也可以用全局对象 URL 中的 searchParams，相信其他语言里也有对应的解析库

ETiV

2020-03-01 08:55:01 +08:00 via iPhone

\bid=(\d+)

\b= boundary

mrytsr

2020-03-01 09:30:50 +08:00 via Android

huyinjie

2020-03-01 13:32:42 +08:00

@imn1 #2 这样的话第一条 url 只能取到 2

huyinjie

2020-03-01 13:33:18 +08:00

@ETiV #4
@mrytsr #5
感谢忘了还有\b

imn1

2020-03-01 13:46:48 +08:00

细看了一下，关键是 ali_trackid= 里面也有“id=”，边界混淆了
所以，前面的正则基本都没什么问题，你在 id=前面加上[^A-Za-z] 或者\b 等等把边界厘清就行了