轻松入门正则表达式之非贪婪匹配篇详解

195 阅读 0 评论 129 点赞

我是靠谱客的博主文静彩虹，最近开发中收集的这篇文章主要介绍轻松入门正则表达式之非贪婪匹配篇详解，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

非贪婪匹配 `(.*?)`

import re
a = '456qwe789rty123abc'
re=re.findall('456(.*?)789',a)
print(re)

通常情况，满足匹配规则“456(.*?)789”的内容通常不止一个，那么findall()函数会从字符串的起始位置开始寻找文本A，找到后开始寻找文本B，当找到第一个文本B后，暂时停止寻找，将文本A和文本B之间的内容存入列表；然后继续寻找文本A，并重复之前的步骤，直到到达字符串的结束位置，并将所有匹配到的内容存入列表。

import re
a = '456qwe789rty123456kkk789abc456xiaowang789'
re=re.findall('456(.*?)789',a)
print(re)

贪婪模式的话就会寻找最长的

import re
a = '456qwe789rty123456kkk789abc456xiaowang789'
re=re.findall('456(.*)789',a)
print(re)

非贪婪匹配 `.*?`

import re
a='<a href="https://blog.csdn.net/weixin_42403632/article/details/120825546" rel="external nofollow"  target="_blank" data-report-click="{&quot;spm&quot;:&quot;3001.5501&quot;}" data-report-query="spm=3001.5501" data-v-6fe2b6a7="">'
re=re.findall('<a href="(.*?)" rel="external nofollow"  rel="external nofollow" .*?',a)
print(re)

" 和 url后面的html代码用.*?代表，需要提取的是<a href="后的内容，用“(.*?)”代表

实战爬取博客专栏url

import re,requests
url='https://blog.csdn.net/weixin_42403632/category_11076268.html'
headers={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:93.0) Gecko/20100101 Firefox/93.0'}
html=requests.get(url,headers=headers).text

re=re.findall('<a href="(.*?)" rel="external nofollow"  rel="external nofollow" .*?rel="noopener">',html)
for i in re:
    print(i)