python爬虫 正则表达式 re.finditer 元字符 贪婪匹配 惰性匹配

Posted 2021-10-08 皓月盈江

测试代码1：
main5.py

# -*- coding: utf-8 -*-
import re

if __name__ == '__main__':
    # findall匹配字符串中所有的符合正则的内容
    lst = re.findall(r"\\d+", "濮阳电话区号：0393，郑州电话区号：0371")
    print(lst)

    # 【推荐】finditer匹配字符串中所有的内容[返回的是迭代器]，从迭代器中拿到内容需要.group()
    it = re.finditer(r"\\d+", "濮阳电话区号：0393，郑州电话区号：0371")
    for i in it:
        print(i.group())

    # search，找到一个结果就返回，返回的结果是match对象，拿到数据需要.group()
    s = re.search(r"\\d+", "濮阳电话区号：0393，郑州电话区号：0371")
    print(s.group())

    # match，从头开始匹配
    s = re.match(r"\\d+", "0393，郑州电话区号：0371")
    print(s.group())

    # 【推荐】finditer匹配字符串中所有的内容[返回的是迭代器]，从迭代器中拿到内容需要.group()
    # 预加载正则表达式
    obj = re.compile(r"\\d+")
    it = obj.finditer("濮阳电话区号：0393，郑州电话区号：0371")
    for i in it:
        print(i.group())

测试代码2：python爬虫很常用的从网页提取数据例子
main6.py

# -*- coding: utf-8 -*-
import re

if __name__ == '__main__':
    s = """
        <div class= 'tom'><span id= '1'>汤姆</span></div>
        <div class= 'kali'><span id= '2'>凯丽</span></div>
        <div class= 'lnr'><span id= '3'>罗恩</span></div>
        """
    # 【推荐】finditer匹配字符串中所有的内容[返回的是迭代器]，从迭代器中拿到内容需要.group()
    # 预加载正则表达式，（?P<分组名称>正则表达式）可以单独从正则匹配的内容中进一步提取内容，标志处添加re.S是让.匹配换行符，即匹配任意字符。
    obj = re.compile(r"<div class= '(?P<class>.*?)'><span id= '(?P<id>\\d)'>(?P<name>.*?)</span></div>", re.S)
    result = obj.finditer(s)
    for i in result:
        print(i.group("class")+"    "+i.group("id")+"    "+i.group("name"))

效果：

tom    1    汤姆
kali    2    凯丽
lnr    3    罗恩

关注公众号，获取更多资料