python爬虫笔记之re.compile.findall()

Posted 2020-10-26 逆向小白

re.compile.findall原理是理解了，但输出不大理解（主要是加了正则表达式的括号分组） 

一开始不懂括号的分组及捕捉，看了网上这个例子（如下），然而好像还是说不清楚这个括号的规律（还是说我没找到或是我理解能力太差），还是看不出括号的规律，于是更多的尝试（第二张大图），并最后总结规律。

 

 

下图是为了尝试出括号分组的规律，下面是总结

 

就从最后一次匹配说起吧

 

分析：首先是匹配的顺序，分析某个括号时，暂时去掉其它括号，易读

第一步，先对整个‘ ’内的规则作出匹配，整体匹配，先去括号（易读），即先从s中匹配出第一个【\\w+\\w+\\s+\\w+\\s+\\w+】（去括号的样子），但由于没有括号将这个整体扩上，所以没有捕捉（即不用输出），第一个匹配到的大字符串是“qew rty uio”

【可以这样一个个对应】

\\w+  \\w+  \\s+  \\w+  \\s+  \\w+

  |        |        |       |       |       |

 qe     w             rty           uio

对应图

第二步，匹配到的字符串再进行匹配捕捉，即输出，现在从左往右，一个个左括号捕捉起，第一个左括号【(\\w+\\w+\\s+\\w+)】（暂时去掉了嵌套在中间的左括号，易读），则匹配到上面字符串中（“qew rty uio”）的"qew rty"（可对照上面的对应图），由于是括号内，所以捕捉（即输出）

第三步，第二个括号，\\w+(\\w+)\\s+\\w+（暂时去掉其它括号） 匹配上一括号中的字符串（“qew rty”），即是匹配到‘w’（可对照上面的对应图），由于是括号内，所以捕捉（即输出）

第四步，第三个括号，\\w+\\w+\\s+\\w+(\\s+\\w+)（暂时去掉其他括号）匹配并输出第一步中的字符串，即是“uio”

 

总结：

　　   1、首先全部去括号的匹配，画出对应图，这样很清晰，然后看括号内的即捕捉输出，然后在匹配的文本（s）再寻找下一个匹配的大字符串，一直找下去……

          2、去括号是为了清晰的分析，主要注意从第一个左括号开始分析起

          3、如果是嵌套括号，如（（（a）b）（c）d），若要捕捉a括号的字符，则先需要匹配最外面的括号，然后在慢慢往里面匹配，即是先匹配出d括号的内容，再在d括号里面匹配出b括号的内容，再在b括号中匹配出a括号的内容，然后所有括号里的，输出，按左边第一个括号所匹配的字符串排列：(d，b，a，c)

 

 

 

 

如有错误，麻烦及时指正，谢谢！