<!DOCTYPE html><html lang="zh-TW"><head> <meta charset="utf-8"> <meta http-equiv="X-UA-Compatible" content="IE=edge"> <meta name="viewport" content="width=device-width, initial-scale=1"> <meta name="author" content="林知慧" /> <meta name="title" content="Python爬蟲與正則表達式，如何讓你的程式更有趣？" /> <meta name="description" content="這個網站是專為Python學習者打造的平台。我致力於分享從入門到進階的Python教學，提供實用的程式設計技巧及數據分析案例。希望透過這裡的資源，讓每位學習者都能輕鬆掌握Python技能。" /> <meta name="keywords" content="Python基礎教程, Python爬蟲教學, Python安裝指南, Python自動化腳本, Python資料分析實例, Python程式設計技巧, Python進階應用, Python學習資源" /> <meta property="og:site_name" content="Python全攻略：基礎、實例與數據分析"> <meta property="og:type" content="article"> <meta property="og:description" content="這個網站是專為Python學習者打造的平台。我致力於分享從入門到進階的Python教學，提供實用的程式設計技巧及數據分析案例。希望透過這裡的資源，讓每位學習者都能輕鬆掌握Python技能。" /> <meta property="og:keywords" content="Python基礎教程, Python爬蟲教學, Python安裝指南, Python自動化腳本, Python資料分析實例, Python程式設計技巧, Python進階應用, Python學習資源"> <meta property="twitter:image" content="" /> <meta property="twitter:card" content="summary" /> <link rel="icon" type="image/png" href="https://www.recorderpress.com/favicon/%e6%9e%97%e7%9f%a5%e6%85%a7.ico" /> <link rel="shortcut icon" type="image/png" href="https://www.recorderpress.com/favicon/%e6%9e%97%e7%9f%a5%e6%85%a7.ico" /> <title>Python爬蟲與正則表達式，如何讓你的程式更有趣？|Python全攻略：基礎、實例與數據分析</title> <link rel="canonical" href="https://www.recorderpress.com/python-crawlers-and-regex/"> <link rel="stylesheet" href="https://www.recorderpress.com/css/iDisqus.min.css"/> <link rel="stylesheet" href="https://www.recorderpress.com/css/bootstrap.min.css"> <link rel="stylesheet" href="https://www.recorderpress.com/css/hugo-theme-cleanwhite.min.css"> <link rel="stylesheet" href="https://www.recorderpress.com/css/zanshang.css"> <link rel="stylesheet" href="https://www.recorderpress.com/css/font-awesome.all.min.css"> <script src="https://www.recorderpress.com/js/jquery.min.js"></script> <script src="https://www.recorderpress.com/js/bootstrap.min.js"></script> <script src="https://www.recorderpress.com/js/hux-blog.min.js"></script> <script src="https://www.recorderpress.com/js/lazysizes.min.js"></script> <script type="application/ld+json"> { "@context": "https://schema.org", "publisher": { "@type": "Organization", "name": "林知慧", "logo": { "@type": "ImageObject", "url": "https:\/\/www.recorderpress.com\/", "width": "600", "height": "60" } }, "inLanguage": "zh-TW", "@type": "BlogPosting", "headline": "Python爬蟲與正則表達式，如何讓你的程式更有趣？", "name": "Python爬蟲與正則表達式，如何讓你的程式更有趣？", "description": "\u003cp\u003e在這個數位時代，資料就是力量，而掌握資料的能力成為不可或缺的技能。Python爬蟲這項技術，讓我們能夠從網路上獲取各種有用的資訊；而正則表達式（Regular Expression，簡稱Regex或RE）則是一個強大的輔助工具，讓資料的處理如虎添翼。本文將深入探討如何利用這兩者，讓你的程式寫作更具挑戰性與趣味性。\u003c\/p\u003e", "url": "https:\/\/www.recorderpress.com\/python-crawlers-and-regex\/", "datePublished": "2024-11-28T06:29:09\u002b08:00", "dateModified": "2024-11-28T06:29:09\u002b08:00", "image": , "author": { "@type": "Person", "name": "林知慧" }, "keywords": [ ] } </script></head> <script async src="https://www.googletagmanager.com/gtag/js?id=G-76PZP8764S"></script> <script> var doNotTrack = false; if ( false ) { var dnt = (navigator.doNotTrack || window.doNotTrack || navigator.msDoNotTrack); var doNotTrack = (dnt == "1" || dnt == "yes"); } if (!doNotTrack) { window.dataLayer = window.dataLayer || []; function gtag(){dataLayer.push(arguments);} gtag('js', new Date()); gtag('config', 'G-76PZP8764S'); } </script><nav class="navbar navbar-default navbar-custom navbar-fixed-top"><div class="container-fluid"> <div class="navbar-header page-scroll"> <button type="button" class="navbar-toggle"> <span class="sr-only">Toggle navigation</span> <span class="icon-bar"></span> <span class="icon-bar"></span> <span class="icon-bar"></span> </button> <a class="navbar-brand" href="https://www.recorderpress.com/">Python全攻略：基礎、實例與數據分析</a> </div> <div id="huxblog_navbar"> <div class="navbar-collapse"> <ul class="nav navbar-nav navbar-right"> <li> <a href="https://www.recorderpress.com/">首頁</a></li><li> <a href="https://www.recorderpress.com/categories/python%E5%85%A5%E9%96%80/">python入門</a> </li><li> <a href="https://www.recorderpress.com/categories/python%E5%AE%89%E8%A3%9D%E6%8C%87%E5%8D%97/">python安裝指南</a> </li><li> <a href="https://www.recorderpress.com/categories/python%E7%88%AC%E8%9F%B2%E6%95%99%E5%AD%B8/">python爬蟲教學</a> </li>--> --> <li><a href="https://www.recorderpress.com/about">關於我們</a></li> <li><a href="https://www.recorderpress.com/contact">聯絡我們</a></li> <li><a href="https://www.recorderpress.com/privacy-policy">隱私權政策</a></li> <li><a href="https://www.recorderpress.com/disclaimer">免責聲明</a></li> <li> <a href="https://www.recorderpress.com/search"><i class="fa fa-search"></i></a> </li> </ul> </div> </div> </div> </nav><script> var $body = document.body; var $toggle = document.querySelector('.navbar-toggle'); var $navbar = document.querySelector('#huxblog_navbar'); var $collapse = document.querySelector('.navbar-collapse'); $toggle.addEventListener('click', handleMagic) function handleMagic(e){ if ($navbar.className.indexOf('in') > 0) { $navbar.className = " "; setTimeout(function(){ if($navbar.className.indexOf('in') < 0) { $collapse.style.height = "0px" } },400) }else{ $collapse.style.height = "auto" $navbar.className += " in"; } }</script> <style type="text/css"> header.intro-header { background-image: url('/img/header-image.jpg') }</style><header class="intro-header" ><div class="container"> <div class="row"> <div class="col-lg-8 col-lg-offset-2 col-md-10 col-md-offset-1"> <div class="post-heading"> <div class="tags"></div> <h1>Python爬蟲與正則表達式，如何讓你的程式更有趣？</h1> <h2 class="subheading"></h2> <span class="meta">Posted by林知慧onThursday, November 28, 2024</span> </div> </div> </div> </div></header><article> <div class="container"> <div class="row"> <div class=" col-lg-8 col-lg-offset-2 col-md-10 col-md-offset-1 post-container"> <div style="text-align: center;"> <img src="https://www.recorderpress.com/images_pics/python-crawlers-and-regex.png" alt="Python爬蟲與正則表達式，如何讓你的程式更有趣？" style="max-width: 100%; height: auto;"> </div><p>在這個數位時代，資料就是力量，而掌握資料的能力成為不可或缺的技能。Python爬蟲這項技術，讓我們能夠從網路上獲取各種有用的資訊；而正則表達式（Regular Expression，簡稱Regex或RE）則是一個強大的輔助工具，讓資料的處理如虎添翼。本文將深入探討如何利用這兩者，讓你的程式寫作更具挑戰性與趣味性。</p><h2 id="正則表達式的魅力從匹配到替換">正則表達式的魅力：從匹配到替換</h2><p>在開始之前，我們必須了解正則表達式的基本功能。簡單來說，正則表達式就是一種使用特定語法的字串，用來匹配符合某種模式的文本。以下是正則表達式的三大主要功能：</p><ol><li><p><strong>匹配（Match）：</strong> <code>match</code>是從字串開頭開始匹配，如果匹配失敗就回傳<code>None</code>。這就像是在超市門口攔下第一個顧客，看看他是否帶著你需要的商品。</p></li><li><p><strong>掃描（Search）：</strong> <code>search</code>則是掃描整個字串，返回第一個成功匹配的結果，若無則返回<code>None</code>。這就像是在超市裡巡視每個貨架，直到找到所需物品為止。</p></li><li><p><strong>替換（Sub）：</strong> <code>sub</code>用於替換被匹配的部分，就像是把已過期的牛奶從冰箱中換成新鮮的。</p></li></ol><h2 id="正則表達式的語法讓符號說話">正則表達式的語法：讓符號說話！</h2><p>正則表達式擁有自己獨特的語法，就像是一門神秘的語言。以下是幾個常用的正則表達式語法：</p><ul><li><strong><code>.</code>（點號）：</strong> 匹配任意單個字符，除了換行符。</li><li><strong><code>*</code>（星號）：</strong> 匹配前一個字符零次或多次。</li><li><strong><code>+</code>（加號）：</strong> 匹配前一個字符一次或多次。</li><li><strong><code>[]</code>（中括號）：</strong> 匹配括號內的任意一個字符。</li><li><strong><code>^</code>（插入符）：</strong> 表示行首匹配。</li><li><strong><code>$</code>（美元符）：</strong> 表示行尾匹配。</li></ul><p>這些符號的運用，就像是為程式設計師量身訂製的魔法咒語，讓複雜的字串處理變得簡單而優雅。</p><h2 id="正則表達式在python爬蟲中的應用">正則表達式在Python爬蟲中的應用</h2><p>Python爬蟲是一種自動化的技術，主要用於從網頁抓取資料。正則表達式在其中扮演了重要角色，特別是在資料清理與格式化的過程中。以下是一個簡單的例子：</p><div class="highlight"><pre tabindex="0" style="color:#f8f8f2;background-color:#282a36;-moz-tab-size:4;-o-tab-size:4;tab-size:4;"><code class="language-python" data-lang="python"><span style="display:flex;"><span><span style="color:#ff79c6">import</span> re</span></span><span style="display:flex;"><span><span style="color:#ff79c6">import</span> requests</span></span><span style="display:flex;"><span></span></span><span style="display:flex;"><span>url <span style="color:#ff79c6">=</span> <span style="color:#f1fa8c">"http://example.com"</span></span></span><span style="display:flex;"><span>response <span style="color:#ff79c6">=</span> requests<span style="color:#ff79c6">.</span>get(url)</span></span><span style="display:flex;"><span>html_content <span style="color:#ff79c6">=</span> response<span style="color:#ff79c6">.</span>text</span></span><span style="display:flex;"><span></span></span><span style="display:flex;"><span><span style="color:#6272a4"># 使用正則表達式提取所有的電子郵件地址</span></span></span><span style="display:flex;"><span>emails <span style="color:#ff79c6">=</span> re<span style="color:#ff79c6">.</span>findall(<span style="color:#f1fa8c">r</span><span style="color:#f1fa8c">"[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}"</span>, html_content)</span></span><span style="display:flex;"><span><span style="color:#8be9fd;font-style:italic">print</span>(emails)</span></span></code></pre></div><p>在這段程式碼中，我們使用了<code>re.findall</code>函數來提取網頁中的電子郵件地址。這是一個強大而簡單的正則表達式應用示例，顯示了如何在大量資料中快速找到所需資訊。</p><h2 id="正則表達式的實用範例">正則表達式的實用範例</h2><p>以下是一個正則表達式的實用範例表格，幫助理解不同場景中的應用：</p><table> <thead> <tr> <th>功能</th> <th>正則表達式示例</th> <th>說明</th> </tr> </thead> <tbody> <tr> <td>匹配郵箱地址</td> <td><code>[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}</code></td> <td>提取電子郵件地址</td> </tr> <tr> <td>匹配電話號碼</td> <td><code>\(?\d{3}\)?-?\s*\d{3}-\d{4}</code></td> <td>提取美國電話號碼</td> </tr> <tr> <td>匹配網址</td> <td><code>https?://[^\s/$.?#].[^\s]*</code></td> <td>提取HTTP或HTTPS的網址</td> </tr> <tr> <td>匹配日期</td> <td><code>\b\d{4}-\d{2}-\d{2}\b</code></td> <td>提取格式為YYYY-MM-DD的日期</td> </tr> <tr> <td>替換空白行</td> <td><code>^\s*$</code></td> <td>刪除空白行</td> </tr> </tbody></table><p>這些範例展示了正則表達式的多樣性，讓我們可以針對不同格式的資料進行精確的處理。</p><h2 id="常見問題解答">常見問題解答</h2><h3 id="如何學習正則表達式">如何學習正則表達式？</h3><p>學習正則表達式最好的方式就是不斷練習！可以先從簡單的模式開始，逐步增加複雜性。此外，網路上有許多免費的資源和工具，如<a href="https://regex101.com/">Regex101</a>可以幫助你測試和理解正則表達式。</p><h3 id="正則表達式對於初學者來說會很困難嗎">正則表達式對於初學者來說會很困難嗎？</h3><p>正則表達式一開始可能會有點難上手，因為它的語法比較特別。然而，一旦掌握了基本語法，將會發現它是非常強大和實用的工具。</p><h3 id="正則表達式可以在所有程式語言中使用嗎">正則表達式可以在所有程式語言中使用嗎？</h3><p>正則表達式是跨平台的，幾乎所有的程式語言都支持正則表達式，包括Python、Java、JavaScript等。每個語言可能有些許的語法差異，但基本概念是一致的。</p><h3 id="使用正則表達式時應該注意什麼">使用正則表達式時應該注意什麼？</h3><p>正則表達式非常強大，但過於複雜的正則表達式可能會影響程式的效能。因此，在設計正則表達式時應該考慮效率問題，並避免過度使用。</p><h3 id="如何在python中使用正則表達式">如何在Python中使用正則表達式？</h3><p>Python提供了內建的<code>re</code>模組來支持正則表達式的使用。你可以使用<code>re.match()</code>、<code>re.search()</code>、<code>re.findall()</code>等函數來進行匹配操作。</p><h3 id="正則表達式能否替代所有的字串處理">正則表達式能否替代所有的字串處理？</h3><p>雖然正則表達式非常強大，但並不是適合所有的字串處理工作。有些情況下，使用簡單的字串方法（如<code>split()</code>或<code>replace()</code>）可能會更高效。</p><h2 id="結論掌握正則表達式讓程式更智能">結論：掌握正則表達式，讓程式更智能</h2><p>總結來說，正則表達式是處理字串的強大工具，當與Python爬蟲結合使用時，能夠大大提高資料處理的效率和準確性。無論是初學者還是資深程式設計師，掌握正則表達式都能讓你的程式設計技能更上一層樓。讓我們在資料的海洋中暢遊吧，因為未來是屬於那些能夠熟練掌握數據的人！</p><hr> <ul class="pager"><li class="previous"> <a href="https://www.recorderpress.com/how-to-build-restful-api-with-python/" data-toggle="tooltip" data-placement="top" title="如何用Python建構RESTful API讓開發變得輕鬆有趣？">← Previous Post</a> </li><li class="next"> <a href="https://www.recorderpress.com/python-download-guide/" data-toggle="tooltip" data-placement="top" title="Python下載教學！如何輕鬆安裝Python？">Next Post →</a> </li></ul></div> <div class=" col-lg-2 col-lg-offset-0 visible-lg-block sidebar-container catalog-container"> <div class="side-catalog"> <hr class="hidden-sm hidden-xs"> <h5> <a class="catalog-toggle" href="#">CATALOG</a> </h5> <ul class="catalog-body"></ul> </div> </div> <div class=" col-lg-8 col-lg-offset-2 col-md-10 col-md-offset-1 sidebar-container"> <section> <hr class="hidden-sm hidden-xs"> <h5><a href="https://www.recorderpress.com/tags/">FEATURED TAGS</a></h5> <div class="tags"></div> </section></div> </div> </div></article><footer> <div class="container"> <div class="row"> <div class="col-lg-8 col-lg-offset-2 col-md-10 col-md-offset-1"> <ul class="list-inline text-center"><li> <a href="/cdn-cgi/l/email-protection#8beaefe6e2e5cbf9eee8e4f9efeef9fbf9eef8f8a5e8e4e6"> <span class="fa-stack fa-lg"> <i class="fas fa-circle fa-stack-2x"></i> <i class="fas fa-envelope fa-stack-1x fa-inverse"></i> </span> </a> </li><li> <a href='' rel="alternate" type="application/rss+xml" title="Python全攻略：基礎、實例與數據分析" > <span class="fa-stack fa-lg"> <i class="fas fa-circle fa-stack-2x"></i> <i class="fas fa-rss fa-stack-1x fa-inverse"></i> </span> </a> </li></ul> <p class="copyright text-muted"> Copyright © Python全攻略：基礎、實例與數據分析 2024 <br></p> </div> </div> </div></footer> <script data-cfasync="false" src="/cdn-cgi/scripts/5c5dd728/cloudflare-static/email-decode.min.js"></script><script> function loadAsync(u, c) { var d = document, t = 'script', o = d.createElement(t), s = d.getElementsByTagName(t)[0]; o.src = u; if (c) { o.addEventListener('load', function (e) { c(null, e); }, false); } s.parentNode.insertBefore(o, s); }</script> <script> if($('#tag_cloud').length !== 0){ loadAsync("/js/jquery.tagcloud.js",function(){ $.fn.tagcloud.defaults = { color: {start: '#bbbbee', end: '#0085a1'}, }; $('#tag_cloud a').tagcloud(); }) }</script> <script> loadAsync("https://cdn.jsdelivr.net/npm/fastclick@1.0.6/lib/fastclick.min.js", function(){ var $nav = document.querySelector("nav"); if($nav) FastClick.attach($nav); })</script> <script type="text/javascript"> function generateCatalog(selector) { _containerSelector = 'div.post-container' var P = $(_containerSelector), a, n, t, l, i, c; a = P.find('h1,h2,h3,h4,h5,h6'); $(selector).html('') a.each(function () { n = $(this).prop('tagName').toLowerCase(); i = "#" + $(this).prop('id'); t = $(this).text(); c = $('<a href="' + i + '" rel="nofollow">' + t + '</a>'); l = $('<li class="' + n + '_nav"></li>').append(c); $(selector).append(l); }); return true; } generateCatalog(".catalog-body"); $(".catalog-toggle").click((function (e) { e.preventDefault(); $('.side-catalog').toggleClass("fold") })) loadAsync("\/js\/jquery.nav.js", function () { $('.catalog-body').onePageNav({ currentClass: "active", changeHash: !1, easing: "swing", filter: "", scrollSpeed: 700, scrollOffset: 0, scrollThreshold: .2, begin: null, end: null, scrollChange: null, padding: 80 }); });</script></body></html> 
