文章目录
1.正则表达式：RE(regular expression)。（W）
▪用来简洁表达一组字符串的表达式
▪通用的字符串表达框架
▪针对字符串表达"简洁"和"特征"思想的工具
▪判断某字符串的特征归属
2.为什么使用正则表达式？（W）
●简洁
3.如何使用正则表达式？（H）
编译：将符合正则表达式语法的字符串转换成正则表达式特征。（使用re库）
bs4模块通过css selector定位html标签爬取数据，而正则表达式通过字符串匹配html标签爬取数据。
4.正则表达式的语法：
由字符和操作符构成
5.正则表达式的常用操作符：
. 表示任何单个字符
[ ] 字符集，对单个字符给出取值范围 如：[abc]：a、b、c，[a-z]：a到z单个字符
[^ ](非) 非字符集,对单个字符给出排除范围 如：[^abc]：非a/b/c的单个字符
* 前一个字符0次或无限次扩展 如：abc*：ab/abc/abcc/abccc......
+ 前一个字符1次或无限次拓展 如：abc+：abc/abcc/abccc.....
? 前一个字符0次或1次拓展 如：abc?：ab/abc
| (或) 左右表达式任意一个 如：abc|def：abc/def
{m} 扩展前一个字符m次 如：ab{2}c：abbc
{m,n} 扩展前一个字符m-n次, (m,n] 如：ab{1,2}c：abc/abbc
^ 匹配字符串开头 如：^abc表示abc且且且在一个字符串的开头
$ 匹配字符串结尾 如：abc$表示abc且且且在一个字符串的结尾
() 分组标记,内部只能使用|操作符 如：(abc):abc,(abc|def)：abc/def
\d 数字，等价于[0-9]
\w 单词字符，等价于[A-Za-z0-9_] 任一字母、数字或下划线(单词字符)
\s 空白字符，例如空格、制表符、换行符等，等价于[\f\n\r\t\v]
（\D=\^d）
6.正则表达式实例：
^[A-Za-z]+$ 由26个字母组成的字符串
^[A-Za-z0-9]+$ 由26个字母和数字组成的字符串
^-?\d+$ 整数形式的字符串
^[0-9]*[1-9][0-9]*$ 正整数形式的字符串
[1-9]\d{5} 中国境内邮政编码，6位
[\u4e00-\u9fa5] 匹配中文字符
\d{3}-\d{8}|d{4}-\d{7} 国内电话号码
[a-zA-Z]+://[^\s]*[.com|.cn] 匹配.com/.cn后缀的url地址
7.正则表达式的表示类型：
re库采用raw String 类型表示正则表达式，表示为：r’text’
●raw String（原生字符串类型）：不包含转义符的字符串。
建议：当正则表达式中包含 转义符 时，使用raw String类型。（不繁琐）
8.re库主要功能函数：
re.search(pattern,string,flags=0)：在字符串中搜索与正则表达式一样的地方，返回第一个匹配上的内容，为match对象。
re.match(pattern,string,flags=0)：只在开始位置匹配，是则返回match对象，否则返回none。（从头）
re.findall(pattern,string,flags=0)：搜索字符串，返回所有匹配上的内容，类型为字符串列表或元组列表
re.split(pattern,string,maxsplit=0,flags=0)：将一个字符串按照正则表达式匹配结果进行分割，返回列表类型
re.sub(pattern,repl,string,count=0,flags=0)：查找匹配并替换
re.compile(pattern,flags=0)：将正则表达式的字符串形式编译成正则表达式对象（面向对象）
pattern：raw String/String, string：待匹配字符串, flags：正则表达式使用时的控制标记
maxsplit：最大分割数，剩余部分作为最后一个元素输出。(maxsplit=1,则只分割一个)
repl：替换匹配字符串的字符串。count：匹配的最大替换次数
flags：
re.I re.IGNORECASE 忽略正则表达式的大小写，[A-Z]能够匹配小写字符
re.M re.MULTILINE 正则表达式中的^操作符能够将给定字符串的每行当作匹配开始
re.S re.DOTALL 正则表达式中的.操作符能够匹配所有字符
9.match对象：
match对象的属性：
（1）.string：待匹配的文本
（2）.re：匹配时使用的pattern对象（正则表达式）
（3）.pos：正则表达式搜索文本的开始位置
（4）.endpos：正则表达式搜索文本的结束位置
match对象的方法：
（1）.group(n)：group(0)输出全部子匹配，group(n)输出第n个括号的匹配结果
（2）.start（）：匹配字符串在原始字符串的开始位置
（3）.end（）：匹配字符串在原始字符串的结束位置
（4）.sparn（）：返回(.start(),.end())
10.贪婪匹配和最小匹配：
Re库默认采用贪婪匹配，即输出匹配最长的字符串。
最小匹配操作符：（在贪婪匹配的基础上）
?、+?、??、{m,n}?
.?代表匹配任意字符。此处的?是非贪婪模式匹配(懒惰模式)，一旦找到能匹配的字符就完成一次匹配，即最短距离匹配。
如果不加?则为贪婪模式匹配，.*进行最长距离匹配
11.子匹配与分组：
子匹配：()。
分组：一个正则表达式中可存在多个（）/子匹配，把括号内的子匹配作为匹配返回结果。
若只需要获得子匹配的结果，可以使用re.findall方法，search和match都要返回完整匹配。
当只有一个括号(分组)时，findall返回类型为字符串列表，当存在两个及以上括号(分组)时，findall返回类型为元组的列表。
