python(re模块爬虫专用)贪婪匹配和惰性匹配

前言:

在我们写爬虫时请求网页之后常要提取数据 那么使用re模块正则表达式来> 提取数据是一个很好的办法。

这里只讲2中匹配技巧方法
一些小说明：
.(点):用来匹配任意非空格换行之类的字符
*：一个量词匹配多个或0个 类似于尽可能多的匹配
?: 一个量词匹配0个或1个 类似于尽可能少的匹配

贪婪匹配

.*： .后面加一个量词 * 那么就是尽可能多的匹配

惰性匹配

.? :当在 * 后面再加一个？ 那么就是 ?修饰的前面. 那么就是说在 多出匹配的时候 我们取最近的

说的可能不是很清楚推荐个视频吧re模块视频

实际用法

• re.compile(pattern[, flags])
  作用：把正则表达式语法转化成正则表达式对象
  flags定义包括：
  re.I：忽略大小写
  re.L：表示特殊字符集 \w, \W, \b, \B, \s, \S 依赖于当前环境
  re.M：多行模式
  re.S：’ . ’并且包括换行符在内的任意字符（注意：’ . ’不包括换行符）
  re.U： 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依赖于 Unicode 字符属性数据库
• re.search(pattern, string[, flags])
  search (string[, pos[, endpos]])
  作用：在字符串中查找匹配正则表达式模式的位置，返回 MatchObject 的实例，如果没有找到匹配的位置，则返回 None。
• match
  re.match(pattern, string[, flags])
  match(string[, pos[, endpos]])
  作用：match() 函数只在字符串的开始位置尝试匹配正则表达式，也就是只报告从位置 0 开始的匹配情况，而 search() 函数是扫描整个字符串来查找匹配。如果想要搜索整个字符串来寻找匹配，应当用 search()。