一只爬虫带你看世界【8】

12. 正则表达式特殊用法及示例（re.findall 方法介绍）

one：利用Re.findall返回单子组：

示例：使用正则表达式爬取贴吧图片（findall用法 - 返回正则表达式中单个子组），说明：采用模块化化编程思想，将打开url封装成一个函数，即open_url(url)。

 使用正则表达式匹配图片：

 p = r'<imgclass="BDE_Image" src="([^"]+\.jpg)"'

 其中[^"]+\.jpg，匹配非双引号的所有字符，并且重复（1，+）次，后缀名为.jpg形式的图片。使用（）将需要信息的子组，即直接返回http://www.baidu.com/##/##.jpg而不是整个正则表达式匹配的信息。即imgclass="BDE_Image" src=http://www.baidu.com/##/##.jpg

 注意：该情况是正则表达式中只有一个子组

 试验 a：未使用正则表达式中的 findall 方法的子组

代码截图如下

返回的结果：

试验b：使用正则表达式中的 findall 方法中单个子组

试验结果：

使用了正则表达式中findall方法的子组后，直接返回图片下载地址，而不是整个img信息。

使用正则表达式爬取IP地址（findall用法-返回正则表达式中多个子组）

two：使用正则表达式爬取IP地址（findall用法-返回正则表达式中多个子组）

上述one中考虑了正则表达式中只有一个子组，two部分则是考虑返回多个子组的情况！

若在正则表达式中使用了多个（），返回多个子组，需要做些处理，使用非捕获组语法

语法：

在正则表达式中，将待返回的子组前加入“？：”则表示非捕获信息

示例如下：

返回的结果：

使用正则表达式匹配ip地址的表达：

    p =r'(?:(?:[0,1]?\d?\d|2[0-4]\d|25[0-5])\.){3}(?:[0,1]?\d?\d|2[0-4]\d|25[0-5])'

该正则表达式中有三个子组，确保返回正确的信息，在每个子组前方的左括号后加上？：则正确返回待查询的信息。

总结部分：

在正则表达式中，若返回单个子组，待返回部分使用一对括号；若返回多个子组，待返回部分使用多对括号，并且在每对括号前加上问号和冒号即可！