python 爬虫 贪婪算法和非贪婪算法 match()

举报
不良使 发表于 2022/04/02 07:56:00 2022/04/02
【摘要】 一文带你了解贪婪算法和非贪婪算法

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)

在这里插入图片描述
在这里插入图片描述
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:

在这里插入图片描述
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

【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息, 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

举报
请填写举报理由
0/200