正则表达式

轻松入门正则表达式之非贪婪匹配篇详解

互联网小旺不正经2021-10-20正则表达式6069

正则表达式(regular expression)描述了一种字符串匹配的模式（pattern），可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等

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)