Python爬虫基础学习笔记|python爬虫学习21 爬虫|学习|python

python爬虫学习21 这是关于match未完下半部分，本来是想昨天…哎不说了
上半部分的传送门

目录

- python爬虫学习21
- - 三、正则表达式
  - - 2.match
    - - 2-3 贪婪与非贪婪
      - 2-4 修饰符
      - 2-5 转移匹配

三、正则表达式
2.match 依照惯例，先把对照表附上来：

文章图片

2-3 贪婪与非贪婪之前我们一同学习了match方法的匹配，但是我们有时候匹配到的内容却不是我们想要的结果:

# 贪婪与非贪婪 import recontent = 'Hello 1234567 World_This is a Regex Demo' result = re.match('^He.*(\d+).*Demo$', content) print(result) print(result.group(1))

运行结果：

文章图片

如此例，我们依旧想要获取字符串中间的数字，所以我们用（\d+）来匹配中间的数字这是没有问题的。数字的两侧东西太多了，想省事一下所以.*直接匹配。
但是这个时候我们最终匹配的结果只有一个数字，这是为什么呢？
【Python爬虫基础学习笔记|python爬虫学习21】这里就涉及了贪婪与非贪婪的问题。在贪婪机制下，点号星号会尽可能多的匹配更多的字符，我们的表达式中（\d+）代表了至少有一个数字而没有给出具体想要匹配多少数字，因此.*就会尽可能多的匹配字符，（你说至少有一个，那我就给你一个呗）这里就把123456都匹配走了。
那么怎样得到我们最终想要的结果呢？

# 我缓缓打出了一个问号 import recontent = 'Hello 1234567 World_This is a Regex Demo' result = re.match('^He.*?(\d+).*Demo$', content) print(result) print(result.group(1))

运行结果：

文章图片

在原表达式的基础上加入一个问号，就将匹配机制改为非贪婪，使得.*尽可能少的匹配字符。
所以，在做匹配的时候字符串的中间尽量使用非贪婪匹配，用.*？代替.*，以免出现匹配结果缺失的问题。
但是如果我们想要匹配的内容在字符串的末尾，那么.*？就可能会匹配不到内容，因为他会匹配尽可能少的内容

import recontent = 'http://weibo.com/comment/KEracn' res1 = re.match('^http.*?comment/(.*?)', content) res2 = re.match('^http.*?comment/(.*)', content)print('.*?:', res1.group(1)) print('.*:', res2.group(1))

运行结果：

文章图片

2-4 修饰符

import recontent = '''Hello 1234567 World_This is a Regex Demo''' result = re.match('^He.*?(\d+).*?Demo$', content) print(result) print(result.group(1))

还是之前的表达式，但是我们的内容换成了多行文字：

文章图片

怎么回事？发生什么事了？为什么报错
通过查阅对照表我们可以回想起.*只能匹配除了换行符的所有字符，所以我们这种万能方法就遇到了挑战。为了我们的偷懒大业，所以是时候引入修饰符了！

# 在原基础上只需要引入一个 re.S 参数即可import recontent = '''Hello 1234567 World_This is a Regex Demo''' result = re.match('^He.*?(\d+).*?Demo$', content, re.S) print(result) print(result.group(1))

运行结果：