[已解决]求教一个正则表达式的解读

leouliu

r = requests.get('http://money.cnn.com/data/dow30/')
    search_pattern = re.compile('class="wsod_symbol">(.*?)<\/a>.*?<span.*?">(.*?)<\/span>.*?\n.*?class="wsod_stream">(.*?)<\/span>')

最佳答案

月排行榜 / 总排行榜

AINIDEREN

2020-4-28 12:04:48

leouliu 发表于 2020-4-28 09:47
这些单个拆开的意思我理解，但是整句正则式的意思什么，我有点看不懂。

整句就是除了元字符其他字符都是匹配本身，我给你拆开一部分说一说class="wsod_symbol">这个部分作用就是匹配本身字符，起到一个定位作用。凡是包含class="wsod_symbol">这样的字符都会匹配。而其他没有被括号所包含的.*?就是元字符，他匹配的内容就是>.*?<之间的内容  例子>abcdefg<,通配符就是>.*?<    所以说整句看起来复杂，而实际就是把想要 的内容扩起来，其他的定位字符就是非元字符本身。

跳转到最佳答案楼层

悠悠2264

.表示任意一个字符（除换行符），*表示匹配前面的子表达式（也就是前面的.）0次或多次，也就相当于匹配一个字符串，?跟在.*后面则表示开启非贪婪模式。
非贪婪模式也就是匹配最少的字符，比如正则表达式：a.*?c，字符串是：abcdcba，匹配的就会是abc，而贪婪模式（去掉?）就是abcdc。

AINIDEREN

compile方法是编译正则表达式，(.*?)这里每一个括号都是一个组，点表示匹配任意字符，但是不包括换行符，*表示匹配前一个字符0次或多次。？是非贪婪模式
用编译后的search_pattern调用search，findall等方法例子 result = search_pattern.findall(r.text)   result返回的是一个列表类型其中多个组以元祖类型打包

leouliu

AINIDEREN 发表于 2020-4-28 09:34
compile方法是编译正则表达式，(.*?)这里每一个括号都是一个组，点表示匹配任意字符，但是不包括换行符，* ...

这些单个拆开的意思我理解，但是整句正则式的意思什么，我有点看不懂。

leouliu

悠悠2264 发表于 2020-4-28 09:33
.表示任意一个字符（除换行符），*表示匹配前面的子表达式（也就是前面的.）0次或多次，也就相当于匹配一个 ...

请能麻烦，翻一下整条正则式的意思吗？

悠悠2264

class="wsod_symbol">字符串<\/a>字符串<span字符串">字符串<\/span>字符串\n字符串class="wsod_stream">字符串<\/span>
像以上作业就会被匹配，.*?就是匹配尽可能少的字符串，如果不开非贪婪模式则会从第一个class匹配到最后一个<\/span>。

leouliu

悠悠2264 发表于 2020-4-28 09:55
class="wsod_symbol">字符串字符串

这是页面部分页面代码

        <tr>
                <td class="wsod_firstCol"><a href="/quote/quote.html?symb=MMM" class="wsod_symbol">MMM</a> <span title="3M">3M</span></td>
                <td class="wsod_aRight"><span stream="last_202757" class="wsod_stream">160.09</span></td>
                <td class="wsod_aRight"><span stream="change_202757" class="wsod_stream"><span class="negData">-2.24</span></span></td>
                <td class="wsod_aRight"><span stream="changePct_202757" class="wsod_stream"><span class="negChangePct">-1.38%</span></span></td>
                <td class="wsod_aRight">2,143,772</td>
                <td class="wsod_aRight"><span class="negData">-9.26%</span></td>
        </tr>

怎么就读取了 MMM  3M 160.09
上述正则表达式，我只用前面这部分时，

class="wsod_symbol">字符串<\/a>

它只获取第一个字母，这又是怎么回事呢？

悠悠2264

该正则表达式匹配到的字符串是：

class="wsod_symbol">MMM</a> <span title="3M">3M</span></td>\n                <td class="wsod_aRight"><span stream="last_202757" class="wsod_stream">160.09</span>

他是这么匹配的：（黄色代表固定的，紫色代表.*?的内容）
class="wsod_symbol">MMM</a> <span title="3M">3M</span></td>\n                <td class="wsod_aRight"><span stream="last_202757" class="wsod_stream">160.09</span>

AINIDEREN

leouliu 发表于 2020-4-28 09:47
这些单个拆开的意思我理解，但是整句正则式的意思什么，我有点看不懂。

整句就是除了元字符其他字符都是匹配本身，我给你拆开一部分说一说class="wsod_symbol">这个部分作用就是匹配本身字符，起到一个定位作用。凡是包含class="wsod_symbol">这样的字符都会匹配。而其他没有被括号所包含的.*?就是元字符，他匹配的内容就是>.*?<之间的内容  例子>abcdefg<,通配符就是>.*?<    所以说整句看起来复杂，而实际就是把想要 的内容扩起来，其他的定位字符就是非元字符本身。

leouliu

悠悠2264 发表于 2020-4-28 11:19
该正则表达式匹配到的字符串是：

他是这么匹配的：（黄色代表固定的，紫色代表.*?的内容）

最后取到的值只有3个，MMM,3M,160.09，等于带括号才是最后的获取对象？

leouliu

AINIDEREN 发表于 2020-4-28 12:04
整句就是除了元字符其他字符都是匹配本身，我给你拆开一部分说一说class="wsod_symbol">这个部分作用就是 ...

你这样解释，我似乎明白了。