資訊專欄INFORMATION COLUMN
摘要：在閱讀這篇文章前最好把同系列文章實(shí)戰(zhàn)正則表達(dá)式一驗(yàn)證手機(jī)號先仔細(xì)閱讀一遍。但實(shí)際上這樣一個(gè)表達(dá)式是無法從上面的中提取第一個(gè)元素的這里主要的問題是在默認(rèn)情況下點(diǎn)號字符無法匹配換行符。但是很遺憾，正則表達(dá)式中沒有排除型子表達(dá)式或者說排除型分組。
這篇文章通過提取html元素介紹了正則表達(dá)式中模式修飾符、貪婪匹配與非貪婪匹配、Unicode模式、環(huán)視等知識點(diǎn)。
在閱讀這篇文章前最好把同系列文章php實(shí)戰(zhàn)正則表達(dá)式（一）：驗(yàn)證手機(jī)號先仔細(xì)閱讀一遍。
有這樣一個(gè)表格
| 用戶名 | 職業(yè) |
|---|---|
| Kobe Bryant | 籃球運(yùn)動員 |
| Jay Chou | 歌手、詞曲創(chuàng)作人、制作人、演員、導(dǎo)演 |
| Lionel Messi | 足球運(yùn)動員 |
它的源碼如下：
| 用戶名 | 職業(yè) |
|---|---|
| Kobe Bryant | 籃球運(yùn)動員 |
| Jay Chou | 歌手、詞曲創(chuàng)作人、制作人、演員、導(dǎo)演 |
| Lionel Messi | 足球運(yùn)動員 |
現(xiàn)在要提取第一個(gè) s+ 其中 s是php實(shí)戰(zhàn)正則表達(dá)式（一）：驗(yàn)證手機(jī)號介紹過的字符組簡記法中的一個(gè)，代表回車符、空格、制表符等空白字符 量詞+表示它所修飾的字符或字符組出現(xiàn)次數(shù)大于等于1 點(diǎn)號字符.在正則表達(dá)式中是一個(gè)特殊的元字符，它可以匹配“任意字符” 閉標(biāo)簽中的斜線/在php的正則表達(dá)式中是模式分隔符，所以需要轉(zhuǎn)義來表示斜線字符。 但實(shí)際上這樣一個(gè)表達(dá)式是無法從上面的中提取第一個(gè) 這里主要的問題是在默認(rèn)情況下點(diǎn)號字符.無法匹配換行符
。有兩個(gè)方法可以解決這個(gè)問題： 使用模式修飾符s，正則表達(dá)式為/s+ 用[sS]或[wW]或[dD]代替點(diǎn)號字符.來匹配所有字符，正則表達(dá)式為s+ 關(guān)于模式修飾符（Pattern Modifiers），這里需要詳細(xì)介紹一下（點(diǎn)擊這里查看php支持的所有模式修飾符）。模式修飾符可以改變正則表達(dá)式的一些默認(rèn)規(guī)則，常用的模式修飾符有i、s、U、u等，我們在后面會用到它們中的一些，這里不展開介紹每個(gè)模式修飾符的作用，后面用到了再具體介紹。這里主要對比一下/.../{modifier}與...(?{modifier})...兩種表示方法的區(qū)別。 從上面的gif中可以看到提取的結(jié)果中有三個(gè)tr，而不是只有一個(gè)。這是因?yàn)檎齽t表達(dá)式中量詞默認(rèn)是貪婪匹配，在這里，.*會匹配一切字符，直到最后沒有字符再向前回溯，回溯到中的最后一個(gè)時(shí)與正則表達(dá)式中的相匹配，從而完成整個(gè)匹配過程，最后的結(jié)果也就是包含了三個(gè) 可以使用模式修飾符U指定整個(gè)正則表達(dá)式為非貪婪模式，也可以使用非貪婪匹配量詞指定某一個(gè)量詞為非貪婪模式：
指定整個(gè)正則表達(dá)式為非貪婪模式： /s+ 或(?Us)s+ 非貪婪量詞： 完整的貪婪量詞（匹配優(yōu)先量詞）與非貪婪量詞（忽略優(yōu)先量詞）見下表： 假設(shè)我們想把表格中有關(guān)于運(yùn)動員的記錄都提取出來，我們可能會使用/ 這個(gè)表達(dá)式在Unicode編碼環(huán)境下可以匹配出結(jié)果，但是在GBK環(huán)境下就未必了。我們可以通過模式修飾符u來指定Unicode模式： / 在Unicode模式下，我們甚至可以使用碼值來代替漢字： / php正則中使用x{hex}的形式來表示Unicode字符的碼值，使用碼值的好處是可以結(jié)合字符組來表示一段范圍，如[x{4e00}-x{9fff}]表示匹配所有漢字字符。 上面的表達(dá)式可以匹配出結(jié)果，但是卻不正確。我們可以看到，它匹配了整個(gè)字符串的第一個(gè) 這里兩個(gè).*匹配到的字符都比預(yù)期要多。第二個(gè).*匹配字符比預(yù)期多的原因是正則表達(dá)式默認(rèn)是貪婪匹配模式，它會匹配剩余字符串中的每個(gè)字符，直到字符串的末尾，然后再向前回溯到最后一個(gè) 我們先看看使用非貪婪匹配時(shí)的結(jié)果： 可以看到，第二個(gè).*匹配的字符已經(jīng)是我們想要的了。那么，對于第一個(gè).*匹配字符比預(yù)期多這個(gè)問題怎么解決呢？ 如果僅使用到目前為止我的文章中介紹的知識，也是有方法可以解決的。我們可以先從左到右匹配出所有的行（ 當(dāng)然，我們也可以通過純粹的正則表達(dá)式來解決這個(gè)問題。如果有一定正則表達(dá)式使用經(jīng)驗(yàn)的朋友可能很容易聯(lián)想到排除型字符組，我們介紹過字符組[...]，它表示在同一位置可能出現(xiàn)的字符。而排除型字符組則表示在同一位置不能出現(xiàn)的字符，它的形式是[^...]，通過緊跟在開方括號[后面的^來表示排除型字符組。例如，[^d]表示匹配的字符是除了數(shù)字以外的任意字符。 / 環(huán)視（look-around）不匹配任何字符，用來“停在原地，四處張望”。上面的表達(dá)式使用了否定順序環(huán)視，它的形式是(?!...)。具體對于(.(?! 完整的環(huán)視有： 由于上面的正則表達(dá)式有一個(gè)分組（子表達(dá)式），所以匹配的結(jié)果除了下標(biāo)0，還有下標(biāo)1，這里下標(biāo)1的結(jié)果其實(shí)沒有什么用，我們可以用之前介紹過的非捕獲分組： / 我們的真正目的是提取所有包含“運(yùn)動員”的行，而上面只提取了第一個(gè)，所以需要將preg_match函數(shù)換成preg_match_all。 文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。 轉(zhuǎn)載請注明本文地址：http://systransis.cn/yun/21126.html 摘要：上一篇文章網(wǎng)絡(luò)爬蟲實(shí)戰(zhàn)高級用法下一篇文章網(wǎng)絡(luò)爬蟲實(shí)戰(zhàn)與正則表達(dá)式抓取貓眼電影排行本節(jié)我們看一下正則表達(dá)式的相關(guān)用法，正則表達(dá)式是處理字符串的強(qiáng)大的工具，它有自己特定的語法結(jié)構(gòu)，有了它，實(shí)現(xiàn)字符串的檢索替換匹配驗(yàn)證都不在話下。
上一篇文章：Python3網(wǎng)絡(luò)爬蟲實(shí)戰(zhàn)---25、requests：高級用法下一篇文章：Python3網(wǎng)絡(luò)爬蟲實(shí)戰(zhàn)---27、Requests與正則表達(dá)式抓取貓眼... 摘要：上一篇文章網(wǎng)絡(luò)爬蟲實(shí)戰(zhàn)與正則表達(dá)式抓取貓眼電影排行下一篇文章網(wǎng)絡(luò)爬蟲實(shí)戰(zhàn)解析庫的使用上一節(jié)我們實(shí)現(xiàn)了一個(gè)最基本的爬蟲，但提取頁面信息時(shí)我們使用的是正則表達(dá)式，用過之后我們會發(fā)現(xiàn)構(gòu)造一個(gè)正則表達(dá)式還是比較的繁瑣的，而且萬一有一點(diǎn)地
上一篇文章：Python3網(wǎng)絡(luò)爬蟲實(shí)戰(zhàn)---27、Requests與正則表達(dá)式抓取貓眼電影排行下一篇文章：Python3網(wǎng)絡(luò)爬蟲實(shí)戰(zhàn)---29、解析庫的使用：... 摘要：所以我們?nèi)绻氆@取電影，只需要分開請求次，而次的參數(shù)設(shè)置為，，，，即可，這樣我們獲取不同的頁面結(jié)果之后再用正則表達(dá)式提取出相關(guān)信息就可以得到的所有電影信息了。上一篇文章網(wǎng)絡(luò)爬蟲實(shí)戰(zhàn)正則表達(dá)式下一篇文章網(wǎng)絡(luò)爬蟲實(shí)戰(zhàn)解析庫的使用
上一篇文章：Python3網(wǎng)絡(luò)爬蟲實(shí)戰(zhàn)---26、正則表達(dá)式下一篇文章：Python3網(wǎng)絡(luò)爬蟲實(shí)戰(zhàn)---28、解析庫的使用：XPath
本節(jié)我們利用 Reque... 摘要：解析器在解析的時(shí)候?qū)嶋H上是依賴于解析器的，它除了支持標(biāo)準(zhǔn)庫中的解析器，還支持一些第三方的解析器比如，下面我們對支持的解析器及它們的一些優(yōu)缺點(diǎn)做一個(gè)簡單的對比。
上一篇文章：Python3網(wǎng)絡(luò)爬蟲實(shí)戰(zhàn)---28、解析庫的使用：XPath下一篇文章：Python3網(wǎng)絡(luò)爬蟲實(shí)戰(zhàn)---30、解析庫的使用：PyQuery
前面我們介紹了正則表達(dá)式的相關(guān)用法，但是一旦正則寫的有問題，可能得到的就... 小編寫這篇文章的主要目的，是來給大家做出一個(gè)介紹，介紹關(guān)于python爬蟲的一些技能技巧，包括怎么才能夠爬取pixiv圖片，作為一個(gè)小白來講，還是需要一定的實(shí)戰(zhàn)的，那么，具體的實(shí)戰(zhàn)技能，下面就給大家詳細(xì)的解答下?！ ∽詮慕佑|python以后就想著爬pixiv，之前因?yàn)樘葑佑悬c(diǎn)問題就一直擱置，最近換了個(gè)梯子就迫不及待試了下?！ ∨老x無非request獲取html頁面然后用正則表達(dá)式或者beaut... 閱讀 1981·2019-08-30 15:54 閱讀 3608·2019-08-29 13:07 閱讀 3131·2019-08-29 12:39 閱讀 1798·2019-08-26 12:13 閱讀 1555·2019-08-23 18:31 閱讀 2167·2019-08-23 18:05 閱讀 1856·2019-08-23 18:00 閱讀 1052·2019-08-23 17:15元素。最簡單的正則表達(dá)式應(yīng)該是這樣：
.*
元素的
.* /s或(?s)s+.* 。模式修飾符s的作用就是讓點(diǎn)號字符.可以匹配換行符。
[sS]*
模式修飾符
/.../{modifier}
...(?{modifier})...
示例
/
.* /s(?s).*
名稱（php手冊）
模式修飾符
模式內(nèi)修飾符
名稱（《正則指引》）
預(yù)定義常量
模式修飾符
作用范圍
整個(gè)正則表達(dá)式
不在分組（子表達(dá)式）中時(shí)，對它后面的全部正則表達(dá)式起作用；如果在分組（子表達(dá)式）中，則對它分組中的剩余部分起作用。在沒有分組，且放在整個(gè)正則表達(dá)式最前面的時(shí)候相當(dāng)于/.../{modifier}
支持程度
支持所有模式修飾符
支持部分模式修飾符
其他編程語言
可能不支持
一般都支持
。
.* /Us
.*
/s+.*? /s
提取包含指定內(nèi)容的行
貪婪量詞
非貪婪量詞
限定次數(shù)
*
*？
可能出現(xiàn)，可能不出現(xiàn)，出現(xiàn)次數(shù)沒有上限
+
+？
至少出現(xiàn)1次，沒有上限
?
??
出現(xiàn)0次或1次
{m,n}
{m,n}?
出現(xiàn)次數(shù)大于等于m，小于等于n
{m,}
{m,}?
至少出現(xiàn)m次，沒有上限
{0,n}
{0,n}?
出現(xiàn)0次-n次
.*運(yùn)動員.* /s這樣的正則表達(dá)式。.*運(yùn)動員.* /us.*x{8fd0}x{52a8}x{5458}.* /us到最后一個(gè) 。
直覺上，我們是想正則表達(dá)式先去匹配“運(yùn)動員”，然后向左尋找最近的一個(gè)，向右尋找最近的一個(gè) 。但事實(shí)上，正則表達(dá)式是從左往右匹配的，即從開始尋找，整個(gè)正則表達(dá)式的匹配情況見下表（空白字符沒有顯示出來）。
，可以通過指定非貪婪匹配模式來解決這個(gè)問題。但是第一個(gè).*匹配字符比預(yù)期多是正?，F(xiàn)象，因?yàn)檎齽t表達(dá)式是從左向右匹配的，表達(dá)式中的
表達(dá)式
匹配值
/
.*
用戶名 職業(yè) Kobe Bryant 籃球
運(yùn)動員
運(yùn)動員
.*
Jay Chou 歌手、詞曲創(chuàng)作人、制作人、演員、導(dǎo)演 Lionel Messi 足球運(yùn)動員
/us
匹配字符串中第一個(gè) ，后面的.*則匹配剩余的所有字符，直到字符串的末尾，然后再向前回溯到“運(yùn)動員”。
... ），方法是使用php中的preg_match_all函數(shù)結(jié)合非貪婪匹配模式；然后再遍歷每一行，過濾出其中包含“運(yùn)動員”的行即可。
如果有排除型子表達(dá)式，類似于(^)*，我們只需要指定第一個(gè).*把 排除就行了。但是很遺憾，正則表達(dá)式中沒有排除型子表達(dá)式或者說排除型分組。這種情況下，我們只能使用環(huán)視
(.(?! ))*運(yùn)動員.* /Us))*來分析，每當(dāng).匹配了一個(gè)字符后，就向右看看，如果當(dāng)前匹配字符的右邊沒有出現(xiàn) 就匹配成功。
名字
記法
含義
肯定順序環(huán)視
(?=...)
向右看看，右邊出現(xiàn)了環(huán)視中的內(nèi)容才匹配
否定順序環(huán)視
(?!...)
向右看看，右邊不出現(xiàn)環(huán)視中的內(nèi)容才匹配
肯定逆序環(huán)視
(?<=...)
向左看看，左邊出現(xiàn)了環(huán)視中的內(nèi)容才匹配
否定逆序環(huán)視
(?
向左看看，左邊不出現(xiàn)環(huán)視中的內(nèi)容才匹配
(?:.(?! ))*運(yùn)動員.* /Us
相關(guān)文章
Python3網(wǎng)絡(luò)爬蟲實(shí)戰(zhàn)---26、正則表達(dá)式
Python3網(wǎng)絡(luò)爬蟲實(shí)戰(zhàn)---28、解析庫的使用：XPath
Python3網(wǎng)絡(luò)爬蟲實(shí)戰(zhàn)---27、Requests與正則表達(dá)式抓取貓眼電影排行
Python3網(wǎng)絡(luò)爬蟲實(shí)戰(zhàn)---29、解析庫的使用：BeautifulSoup
python爬蟲爬取pixiv圖片實(shí)戰(zhàn)詳解
發(fā)表評論
0條評論
ityouknow
男|高級講師
TA的文章
閱讀更多
百度MIP技術(shù)快速入門（上）
基于 vue + zhengAdmin 的一套后臺模板
H5前端常見問題
簡述Function類型
這篇文章, 讓你了解 JavaScript 中的原型(基礎(chǔ)篇-圖文)
判斷是否是閏年
cookie的學(xué)習(xí)之路
1.2 Node.js 安裝與使用-基礎(chǔ)配置-NodeJs+Express+Mysql實(shí)戰(zhàn)
最新活動
閱讀需要支付1元查看
