python爬虫工程师 成长之路四 正则表达式与Cookie

正则表达式介绍

正则表达式就是描述字符串排列的一种规则，其主要用于字符串的匹配，经常用于找到某一类符合格式要求的数据；在python中我们经常用re模块来实现正则表达式

正则表达式基础

原子

原子是正则表达式最基本的组成单位，正则表达式至少包含一个一个原子，常见的原子有：

• 普通字符
• 非打印字符
• 通用字符
• 原子表

普通字符
普通字符如数字，字母，下划线等都可以作为原子，yes中含有三个原子：y、e、s

hello中含有he，所以匹配成功

非打印字符
非打印字符指的是字符串中用于格式控制的符号常见的有\n换行符，\t制表符

a中有换行，所以匹配成功

通用字符
通用字符：一个原子可以匹配一类字符，人们常用的
常见的通用字符及其意义

字符	意义
\w	匹配任意一个字母、数字或下划线
\W	匹配除字母、数字和下划线以外的任意一个字符
\d	匹配任意一个十进制数
\D	匹配除十进制数以外的任意一个字符
\s	匹配任意一个空白字符
\S	匹配除空白字符以外的任意一个字符

<