Python 正则表达式 补充

Posted 2021-01-03 hyeti

cuiqingcai大佬《Python3 网络爬虫开发实战》整理

贪婪与非贪婪

import re

content = ‘Hello 12345678 Word_This is a Regex Demo‘

result = re.match(‘^He.*(d+).*Demo$‘, content)

print(result.group(1))

原本打算取出12345678，但

运行结果：8

贪婪匹配模式：.* 会匹配尽可能多的字符。

.*后(d+)至少匹配一个数字，未指定具体数字。因此，.*尽可能匹配多的字符，把1234567匹配，给d+留下一个仅满足条件的结果8。

so，最后结果就至于8了。

 

非贪婪模式匹配：.*?  尽可能匹配少的字符，余下交给后面的去匹配。

在.*后加一个?

import re

content = ‘Hello 12345678 World_This is a Regex Demo‘

result = re.match(‘^He.*?(d+).*Demo$‘, content)

print(result.group(1))

运行结果：12345678

 所以，匹配时，字符中间尽量用非贪婪匹配，以免出现匹配结果确实的情况。若是匹配结果在字符串结果，.*?有可能匹配不到任何内容，因为它会匹配尽可能少的字符。

import re

content = ‘http://weibo.com/comment/kEraCN‘

result1 = re.match(‘^h.*?comment/(.*?)‘, content)

result2 = re.match(‘^h.*?comment/(.*)‘, content)

print(‘result1‘, result1.group(1))

print(‘result2‘, result2.group(2))