python 爬虫贪婪算法和非贪婪算法 match()

怼烎@ 2023-10-02 18:10 37阅读 0赞

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][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA5LiN6Imv5L2_size_20_color_FFFFFF_t_70_g_se_x_16]  
![在这里插入图片描述][af2256c3a7dc4fc0afc758e272564d43.png]  
**`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][e61a2014180c4ae79bf29448b458f604.png]  
**`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`**

[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA5LiN6Imv5L2_size_20_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/be5e143559014ce087ee8b9bacef3d28.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5LiN6Imv5L2_,size_20,color_FFFFFF,t_70,g_se,x_16
[af2256c3a7dc4fc0afc758e272564d43.png]: https://img-blog.csdnimg.cn/af2256c3a7dc4fc0afc758e272564d43.png
[e61a2014180c4ae79bf29448b458f604.png]: https://img-blog.csdnimg.cn/e61a2014180c4ae79bf29448b458f604.png