在Python开发爬虫过程中经常会遇到正则表达式,其中(.*?) 的使用概率较高,那么这个正则表达式到底什么意思呢?
“.*?” 表示非贪心算法,表示要精确的配对
“.*”表示贪心算法,表示要尽可能多的匹配
“()” 表示要获取括弧之间的信息
Python提供re
模块,包含所有正则表达式的功能。由于Python的字符串本身也用\
转义,所以要特别注意:
s = 'ABC\\-001' # Python的字符串
# 对应的正则表达式字符串变成:
# 'ABC\-001'
使用Python的r
前缀,就不用考虑转义的问题了:
s = r'ABC\-001' # Python的字符串
# 对应的正则表达式字符串不变:
# 'ABC\-001'
python脚本实际栗子:
import re
#定义一个正则表达式并编译
r = re.compile(r'www.lagou.com/.*/">(.*?)</a>')
#待查找文本
text='''
<a href=" https://www.lagou.com/yingkou-zhaopin/">营口</a>
<input class="dn" value="https://www.lagou.com/jobs/list_测试?&px=default&city=营口#filterBox"/>
</li>
<li >
<a href=" https://www.lagou.com/yanan-zhaopin/">延安</a>
<input class="dn" value="https://www.lagou.com/jobs/list_测试?&px=default&city=延安#filterBox"/>
</li>
'''
#在text字符串中查找所有符合r正则表达式的字符串得到结果resulr
result = r.findall(text)
print(result)
上面脚本打印结果为
['营口', '延安']