Python爬虫系列：正则表达式~End

2021年07月03日 23:50 __ _ _ _ _

文章配图

除了自己的判断之外，没有人可以给我一条或者一系列内幕消息让我不停挣钱。我花了5年时间才学会如何聪明地玩游戏，让我在自己判断正确的时候挣到大钱。

——《股票大作手回忆录》

文章配图

昨天写了关于正则表达式的raw string原生字符串和相关函数的用法，那么关于正则库中函数的其它用法是否能引起你注意呢？

正则表达式目录：

函数扩展用法
正则的贪婪匹配和最小匹配

1.函数扩展用法

在Python爬虫中，正则库中函数的用法有另外一种等价方法，被称为 一次性用法 。比如：

match=re.search(r'[1-9]\d{5}' , 'BIT 100081')

面向对象用法：编译后的多次操作。 比如：

pat=re.compile(r'[1-9]\d{5}') match=pat.search('BIT 100081')

那么，如何将正则表达式形式编译成正则表达式对象？比如：

regex=re.compile(pattern,flags=0)#实例：regex=re.compile(r'[1-9]\d{5}')

这里提到了match对象， RE库的match对象：一次匹配的结果 。比如：

import rematch=re.search(r'[1-9]\d{5}' , 'BIT 100081')if match:    print(match.group(0))print(type(match))#查看match的类型

运行结果：

文章配图

那么与Match对象的 属性以及说明 ：

属性：	说明：
.string	待匹配的文本
.re	匹配时使用的pattern对象(正则表达式)
.pos	正则表达式搜索文本的开始位置
.endpos	正则表达式搜索文本的结束位置

与Match对象的 方法以及说明 ：

Match对象的方法:	说明：
.group(0)	获得匹配后的字符串#还有group(1)，group(2)等
.start()	匹配字符串在原始字符串的开始位置
.end()	匹配字符串在原始字符串发结束位置
.span()	返回(.start(),.end())

如下是对上述属性以及方法的实例：

import rem=re.search(r'[1-9]\d{5}','BIT100081 TSU100084')print(m.string)print(m.re)print(m.pos)print(m.endpos)print(m.group(0))print(m.start())print(m.end())print(m.span())

运行结果：

文章配图

2.贪婪匹配和最小匹配

Re库默认采用贪婪匹配（尽可能多的匹配数据），即输出匹配最长发子串。 比如：

import rematch=re.search(r'PY.*N','PYANBNCNDN')print(match.group(0))

运行结果：

文章配图

那么我们该如何得到 **最小匹配（ 对于可能得到的匹配多于期望的匹配的情况，最小匹配是必要的 ） ** 呢？比如：

import rematch=re.search(r'PY.*?N','PYANBNCNDN')print(match.group(0))

运行结果：

文章配图

在最小匹配中，经常会用到 最小匹配操作符 ，关于一些相关的方法小编在这里给大家已列出：

操作符	说明
*？	前一个字符0次或无限次扩展，最小匹配
+?	前一个字符1次或无限次扩展，最小匹配
??	前一个字符0次或1次扩展，最小匹配
{m,n}?	扩展前一个字符m至n次，最小匹配