【Python】正则匹配之 .*?；爬虫 (.*?)实战讲解

前言

正则的知识体系其实是非常庞大的，它可以做规则校验、字符匹配等，且非常强大，速度也非常快，我这里针对字符串匹配作出讲解。通常不同的工作者对正则的使用手法层出不穷，所以我这里推荐一种比较好的方法——(.*?)，当然这里需要感谢我大学大数据人工智能课程的任课老师，这种方法也是他在课堂上讲过的。

.*?讲解

.*?是对所有匹配规则的一种集合，又称通配符。通配符，顾名思义是指通用的字符， 用来模糊查找信息，通配符能够代替任意字符。有的学者称这种方法其为惰性匹配，其实我个人也是非常赞成这个名字的。

.*?的简单使用

import re

temp = '清风徐来水波不兴，哪个剧本没有分生，愈想证明就愈不肯定，可能完美和完整'
rule = re.compile('清风徐来(.*?)，')
print(re.findall(rule,temp))

如上，我们想获取“水波不兴”，只需要知道它的前后是什么，“水波不兴”使用,*?进行通配，然后给通配加上括号进行选取，若不选取则不加括号。是不是非常简单，好那我们继续看看它在爬虫实战中是如何使用的

.*?的爬虫实战

目标网页

我以爬取链家为例，提取房屋的关键信息。https://dy.lianjia.com/ershoufang/rs/

代码分析

需要注意的是：字符串中有空格、换行符时需要做替换处理，否则.*?会匹配失败。我这里为了解耦，分两次进行匹配。

import requests
import re

res = requests.get('https://dy.lianjia.com/ershoufang/rs/').text
res = res.replace(' ','').replace('\n','')

data = re.findall(re.compile('<ulclass="sellListContent"log-mod="list">(.*?)</ul>'),res)
data = re.findall(re.compile('DATA"href="(.*?)"target.*?alt="(.*?)">.*?data-sl="">(.*?)</a>.*?houseIcon"></span>(.*?)</div>.*?spanclass="">(.*?)</span><i>(.*?)</i>.*?<span>(.*?)</span>'),data[0])
[print(i) for i in data]

效果展示

可以看到，效果是非常不错的。所以呀，赶紧去试试吧！

结语

这里给出我自己的一些经验和使用方法，以上用爬虫举例希望同学们能进一步加深对.*?以及它在数据处理应用中的理解。希望对大家的学习有所帮助，欢迎大家批评指正，我们一起学习！