非贪婪匹配(.*?)
import rea = '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 rea = '456qwe789rty123456kkk789abc456xiaowang789're=re.findall('456(.*?)789',a)print(re)
贪婪模式的话就会寻找最长的
import rea = '456qwe789rty123456kkk789abc456xiaowang789're=re.findall('456(.*)789',a)print(re)
非贪婪匹配.*?
import rea='<a href="/weixin_42403632/article/details/120825546" target="_blank" data-report-click="{"spm":"3001.5501"}" data-report-query="spm=3001.5501" data-v-6fe2b6a7="">'re=re.findall('<a href="(.*?)".*?',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,requestsurl='/weixin_42403632/category_11076268.html'headers={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:93.0) Gecko/0101 Firefox/93.0'}html=requests.get(url,headers=headers).textre=re.findall('<a href="(.*?)".*?rel="noopener">',html)for i in re:print(i)