首页 > 代码库 > 正则表达式中的贪婪非贪婪
正则表达式中的贪婪非贪婪
近几天在做几个爬虫,分析网页url的时候,抓取总是出现问题。后来了解到是贪婪和非贪婪模式的问题。
记录一下本是想在一个html中抓取大量这种模式的href连接
<a href="http://www.xxxx.info/post/90934717083">xxxxx</a></br>
写的正则表达式为
reg = r‘<a href="http://www.mamicode.com/(.+)">‘
经过Regulator分析后,下面语句也匹配了出来
href="http://www.xxx.info/page/2">/page/2</a>" <span class="webkit-html-attribute-name">id</span>="<span class="webkit-html-attribute-value">pageNavOlder</span>"></span>下一页?<span class="webkit-html-tag"></a></span><span class="webkit-html-tag">
经过分析后知道,仅仅需要抓去匹配项中最短的,这就用到非贪婪模式了。
默认情况下,正则表达式匹配的都是贪婪模式,都是最长匹配,举个最简单的例子
比如text="abbbbbbbbc", reg = r‘(a.+)‘ 这样抓取的话,匹配出来的是全部字符串,如果这样reg=r‘(a.+?)‘的话,匹配出来的仅仅是ab,最后的问好就是说明非贪婪模式
当字符?在其他限定符如(*,+,{n},{n,m>)之后的时候,就说明使用非贪婪模式匹配
所以我最开始的正则表达式写成
reg = r‘<a href="http://www.mamicode.com/(.+?)">‘时,就匹配出来了我想得到的
http://www.xxxx.info/post/90934717083
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。