Python正则表达式re库的使用指南

作为一名Python新手，在处理网页爬取任务时，经常会遇到需要从URL中提取特定参数的情况。最近在工作中遇到了一些问题，特别是在使用Python的re库进行正则表达式匹配时感到困惑。经过一段时间的学习和实践，我总结了一些方法，希望对同样遇到此类问题的朋友有所帮助。

假设我们有如下URL：

我们需要从中提取出&pn之后的数字部分。可以使用正则表达式来实现这一目标。具体代码如下：

import re

url = 'http://www.qqddc.com/proIndex.do?method=index&thin=0&pb=168&pn=10'
pattern = r'pn=(\d+)'
match = re.search(pattern, url)
if match:
    print('提取到的数字:', match.group(1))
else:
    print('未找到匹配')

上述代码中，r'pn=(\d+)' 是一个正则表达式模式，用于匹配URL中&pn=后面的数字。其中，\d+ 表示一个或多个数字。

另外，如果URL中&pn后面没有数字，例如：

我们可以修改正则表达式以适应这种情况：

pattern = r'pn=(\d*?)'
match = re.search(pattern, url)
if match:
    print('提取到的字符:', match.group(1))
else:
    print('未找到匹配')

这里的\d*表示零个或多个数字，因此即使&pn后面没有数字，也可以正确匹配。

希望以上内容能帮助大家更好地理解Python的re库，并在实际项目中灵活运用正则表达式。如果有任何问题或建议，请随时留言交流，感谢大家的支持！