學(xué)習(xí)python爬蟲時遇到了一個問題，書上有示例如下：

import re

line='Cats are smarter than dogs'
matchObj=re.match(r'(.*)are(.*?).*',line)

if matchObj:
 print('matchObj.group():',matchObj.group())
 print('matchObj.group(1):', matchObj.group(1))
 print('matchObj.group(2):', matchObj.group(2))
else:
 print('No match!\n')

書上的期望輸出是：

matchObj.group(): Cats are smarter than dogs
matchObj.group(1): Cats
matchObj.group(2):smarter

但是我在電腦上跑了一遍得到的輸出卻是：

matchObj.group(): Cats are smarter than dogs
matchObj.group(1): Cats
matchObj.group(2):

于是開始想辦法徹底搞清楚這個差別的原因所在。

首先要讀懂這幾行代碼，而這一行代碼的關(guān)鍵在于這一句：

matchObj=re.match(r'(.*)are(.*?).*',line)

匹配的正則表達(dá)式是

(.*)are(.*?).*
前面的r表示的是匹配的字符不進行轉(zhuǎn)義，而要匹配的字符串是line，也就是
Cats are smarter than dogs
后面使用group（num），個人理解是，按照正則表達(dá)式中的括號數(shù)可以捕獲得到對應(yīng)數(shù)量的捕獲組，而調(diào)用group（num）就可以得到對應(yīng)捕獲組的內(nèi)容，
其中g(shù)roup（0）表示的是匹配的整個表達(dá)式的字符串，在本例中就是‘Cats are smarter than dogs'。
參照網(wǎng)上可以搜到的符號的作用：
.匹配除換行符以外的任意字符
*重復(fù)之前的字符零次或更多次
？重復(fù)之前的字符零次或一次
那么第一個括號的內(nèi)容，應(yīng)當(dāng)就是匹配要匹配的字符串中are之前的所有字符（除換行符），
而第二個括號的內(nèi)容應(yīng)當(dāng)是匹配are之后的內(nèi)容，但具體想指代什么卻顯得有些不明確。
不明確的點就在于*和？這兩個符號的連用，根據(jù)優(yōu)先級這兩個符號是同一優(yōu)先級的，那么應(yīng)當(dāng)按照順序生效，那么如此翻譯的話，這一語句匹配的就是長度為0到無限大的任意字符串，為了探清此時
程序判斷的具體內(nèi)容，我們給匹配字符串末尾的.*也加上括號以提取其內(nèi)容，而后在輸出部分加上對應(yīng)語句：

import re

line='Cats are smarter than dogs'
matchObj=re.match(r'(.*)are(.*?)(.*)',line)

if matchObj:
 print("matchObj.group():",matchObj.group())
 print("matchObj.group(1):", matchObj.group(1))
 print("matchObj.group(2):", matchObj.group(2))
 print("matchObj.group(3):", matchObj.group(3))
else:
 print('No match!\n')

得到的結(jié)果是：

matchObj.group(): Cats are smarter than dogs
matchObj.group(1): Cats
matchObj.group(2):
matchObj.group(3):  smarter than dogs

可見第二個括號里的內(nèi)容被默認(rèn)為空了，然后刪去那個？，可以看到結(jié)果變成：

matchObj.group(): Cats are smarter than dogs
matchObj.group(1): Cats
matchObj.group(2):  smarter than dogs
matchObj.group(3):

那么這是否就意味著？的默認(rèn)值很可能是0次，那？這個符號到底有什么用呢

仔細(xì)想來這個說法并不是很嚴(yán)謹(jǐn)。嘗試使用單獨的.?組合可以看到這個組合可以用于提取

單個不知道是否存在的字符，而如下代碼

import re

line='Cats are smarter than dogs'
matchObj=re.match(r'(.*) are(.*)?',line)

if matchObj:
 print("matchObj.group():",matchObj.group())
 print("matchObj.group(1):", matchObj.group(1))
 print("matchObj.group(2):", matchObj.group(2))

也能在組別2中正常提取到are之后的字符內(nèi)容，但稍微改動一下將？放到第二個括號內(nèi)，

就什么也提取不到，同時導(dǎo)致group(0)中匹配的字符到Cats are就截止了（也就是第二個括號匹配失?。?/p>

令人感到奇怪的是，如果將上面的代碼改成

import re

line='Cats are smarter than dogs'
matchObj=re.match(r'(.*) are (.*)+',line)

if matchObj:
 print("matchObj.group():",matchObj.group())
 print("matchObj.group(1):", matchObj.group(1))
 print("matchObj.group(2):", matchObj.group(2))

也就是僅僅將？改為+，雖然能成功匹配整個line但group(2)中沒有內(nèi)容，

如果把+放到第二個括號中就會產(chǎn)生報錯，匹配失敗。

那么是否可以認(rèn)為.*?這三個符號連用只是一個不規(guī)范的操作，但由于？的特殊性所以沒有報錯反而匹配成功了呢？

具體的可能要研究代碼本身的機理了，暫且擱置。還有一個問題就是如何達(dá)到樣例本身想要的，用第二個括號提取單個單詞的目的。

如果單單考慮這個例子的話，把原本第二個括號中的?換成r就可以了，也就是如下代碼：

import re

line='Cats are smarter than dogs'
matchObj=re.match(r'(.*) are (.*r).*',line)

if matchObj:
 print("matchObj.group():",matchObj.group())
 print("matchObj.group(1):", matchObj.group(1))
 print("matchObj.group(2):", matchObj.group(2))
 #print("matchObj.group(3):", matchObj.group(3))
else:
 print('No match!\n')

為了泛用性嘗試了一下把r改成‘ '但是得到的結(jié)果是‘smarter than '。于是嘗試把.換成表示任意字母的

[a-zA-Z]，成功提取出了單個smarter，代碼如下：

import re

line='Cats are smarter than dogs'
matchObj=re.match(r'(.*) are ([a-zA-Z]* ).*',line)

if matchObj:
 print("matchObj.group():",matchObj.group())
 print("matchObj.group(1):", matchObj.group(1))
 print("matchObj.group(2):", matchObj.group(2))
 #print("matchObj.group(3):", matchObj.group(3))
else:
 print('No match!\n')

到此這篇關(guān)于python re.match（）用法相關(guān)示例的文章就介紹到這了,更多相關(guān)python re.match（）內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論