python 爬虫 贪婪算法和非贪婪算法 match()

python 爬虫 贪婪算法和非贪婪算法

**

贪婪算法 （.*）:贪婪，就是尽可能匹配多的，一般情况下尽可能多的匹配。
非贪婪（.*?），非贪婪，与贪婪相反，尽可能少的匹配。

**
可能内容有些晦涩难懂，下面用例子来说明一下。

# TODO                鸟欲高飞，必先展翅
# TODO                 向前的人 ：Jhon
import re
content="Hello 11034435 Welcome to play with me  This is a Demo"
result=re.match("^He.*(\d+).*Demo$",content)   #  贪婪     尽可能匹配多的字符     指  .*  尽可能的匹配多的字符（东西）
result1=re.match("^He.*?(\d+).*Demo$",content)  # 非贪婪   .*后面多了一个？，  指 .* 匹配到东西了就不匹配了

print(result)
print(result.group(1))
print(result.span())

print("*"*100)
print(result1)
print(result1.group(1))
print(result1.span())

结果
<re.Match object; span=(0, 54), match='Hello 11034435 Welcome to play with me  This is a>
5
(0, 54)
****************************************************************************************************
<re.Match object; span=(0, 54), match='Hello 11034435 Welcome to play with me  This is a>
11034435
(0, 54)

1、第一个蓝色框框 .* 是贪婪的，所以尽可能匹配，占领了字符、空格后还抢占了数字 ，其中（\d+）,\d是匹配数字，+ 是指匹配多为数字。

--------------------------------------------------------------------------------------------------------------------------------------------------------

2、第二个红色框框，.*? 是非贪婪的，见好就收，只匹配字符和空格，因为后面的 （\d+）,所以没有抢占数字，如果没有（\d+）他会匹配数字，并可能一直匹配下去，直至字符串匹配完（没有匹配限制的情况下）

span()函数指的是匹配的跨度，也就是匹配的字符串长度

group()函数指的是（）内匹配的字符串。
例如：

我们不难发现有一个括号，而group(1)就是取括号里匹配的字符串
若匹配中有n个括号，则可以有group(n), n就是括号序号，一次从左向右递增

^ 匹配开头的标志
$ 匹配结尾的标志
/s 匹配空格
/d 匹配数字
/w 匹配字符

下面再来举个例子：

import re
content2="http://weibo.com/comment/Tsw"
result2=re.match("http.*?comment/(.*?)",content2)
result3=re.match("http.*?comment/(.*)",content2)
print(result2)
print(result3)


print("result2匹配是",result2.group(1))
print("result3匹配是",result3.group(1))

print(result2.span())
print(result3.span())

结果
<re.Match object; span=(0, 25), match='http://weibo.com/comment/'>
<re.Match object; span=(0, 31), match='http://weibo.com/comment/Tsw'>
result2匹配是 
result3匹配是 Tsw
(0, 25)
(0, 31)

可以发现result2匹配的是空的，没有匹配到字符串，而result3匹配到了 Tsw,是为什么呢？
原因很简单，就是因为在末尾匹配的时候，result2用的是非贪婪匹配，故什么都没有匹配到，而result3使用的是贪婪匹配，能拿全拿，故可以取到

注意：上面所有的都是re包里面的match()函数，其他的函数后面会写出