正規表現でYouTubeのURLから余分なクエリを削除したい

Question

YouTubeの動画へのURLが大量にあり、pythonと正規表現を使って&以降の余分なクエリを削除し、それぞれをhttps://www.youtube.com/watch?v={video_id}の形に直そうとしています。
re.sub(r"(.*)(&.*)", r"\1", url)で変換すると追加のクエリが1つの場合は上手くいくのですが、&が2つ以上だと末尾のものしか検知されません。
どう書き換えれば良いのでしょうか?

[Wandbox]三へ( へ՞ਊ ՞)へ ﾊｯﾊｯ

import re


def main():
    raw_urls = [
        "https://www.youtube.com/watch?v=_066dEkycr4",
        "https://www.youtube.com/watch?v=_066dEkycr4&t=6",
        "https://www.youtube.com/watch?v=_066dEkycr4&feature=youtu.be&t=6",
        "https://www.youtube.com/watch?v=_066dEkycr4&list=WL&index=0&t=6s",
    ]
    urls = [re.sub(r"(.*)(&.*)", r"\1", url) for url in raw_urls]
    print(*urls, sep="\n")


if __name__ == "__main__":
    main()

# 全てが https://www.youtube.com/watch?v=_066dEkycr4 となるようにしたい
https://www.youtube.com/watch?v=_066dEkycr4
https://www.youtube.com/watch?v=_066dEkycr4
https://www.youtube.com/watch?v=_066dEkycr4&feature=youtu.be
https://www.youtube.com/watch?v=_066dEkycr4&list=WL&index=0

Comments

[Takumiboo]

YouTubeから発行されるURLとしては存在しない気がしますが、万が一最初のパラメータがvじゃなかった場合(https://www.youtube.com/watch?list=WL&v=_066dEkycr4&index=0&t=6s など)って考えますか？

[退会済みユーザー]

もし、それを想定するなら、どうするのがいいでしょうか?

[Takumiboo]

皆さんの回答だと&以降を除去するというパターンだと思いますが、上記の場合だと動画IDも削られてしまいます。例えば「v=」の後から、&の手前まで、もしくは行末まで、という拾い方をすれば動画IDだけ抽出できると思うので、改めて「https://www.youtube.com/watch?v=」の後ろにその動画IDをつければ間違いないと思います。

[退会済みユーザー]

なるほど、ありがとうございます。

Answer 1

(.*)(&.*)では、最初の.*が最長(貪欲)マッチしますので、次の&を満たすかぎりで最長のところまで取られます。
元コードを尊重するなら対処法は2つ思いつきます。
・(.*?)(&.*)として最短(lazy・non-greedy)マッチにする
・([^&]*)(&.*)として&以外にマッチさせる

Comments

[退会済みユーザー]

.*は最長マッチなんですね。勉強になりました

Answer 2

単純に、

re.sub("&.*", "", url)

Answer 3

url = "https://www.youtube.com/watch?v=_066dEkycr4&feature=youtu.be&t=6"
url = url.split("&")[0]

とすればできると思います．