Python Regex 補充

標籤：開發   dem   demo   貪婪模式   情況   print   爬蟲   font   content   

cuiqingcai大佬《Python3 網路爬蟲開發實戰》整理

貪婪與非貪婪

import recontent = ‘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

運行結果：8

貪婪匹配模式：.* 會匹配儘可能多的字元。

.*後(\d+)至少匹配一個數字，未指定具體數字。因此，.*儘可能匹配多的字元，把1234567匹配，給\d+留下一個僅滿足條件的結果8。

so，最後結果就至於8了。

 

非貪婪模式比對：.*?  儘可能匹配少的字元，餘下交給後面的去匹配。

在.*後加一個?

import recontent = ‘Hello 12345678 World_This is a Regex Demo‘result = re.match(‘^He.*?(\d+).*Demo$‘, content)print(result.group(1))

運行結果：12345678

 所以，匹配時，字元中間盡量用非貪婪匹配，以免出現匹配結果確實的情況。若是匹配結果在字串結果，.*?有可能匹配不到任何內容，因為它會匹配儘可能少的字元。

import recontent = ‘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))

 

 

 

Python Regex 補充