关于python正则表达式的学习收获

       为了填补上次留下关于python爬虫的坑，就分享一下python爬虫中可能会用到的一些关于正则表达式的解析

       Python 自1.5版本起增加了re 模块，它提供 Perl 风格的正则表达式模式。re 模块使 Python 语言拥有全部的正则表达式功能。re模块有很多种函数和修饰符可以调用

正则表达式模式

        首先就是一些表达式会出现的表达模式

模式	描述
^	匹配字符串的开头
$	匹配字符串的末尾。
.	匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
re*	匹配0个或多个的表达式。
re+	匹配1个或多个的表达式。
re?	匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式

特殊字符类

实例	描述
.	匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用象 '[.\n]' 的模式。
\d	匹配一个数字字符。等价于 [0-9]。
\D	匹配一个非数字字符。等价于 [^0-9]。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\w	匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。
\W	匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。

字符组合应用

如果这些模式或者字符类看起来在实际中可能很单一，但是将它们组合起来应用的很巧妙，例如：

.*表示任意字符出现零次或多次，像a.*c,如果没有加？就是表示贪婪模式，从a开头就必须找到最后一个c才算匹配完成，不愧是贪婪！

.*?就是加了个？，表示就是非贪婪模式，找到一个c就罢休了

.+?与.*?的不同点在于+，.+?所匹配字符中间必须有字符，因为+表示1到多个

正则表达式的应用还有很多，如验证IP地址，你们也可以自行去检验，我上边用来验证到网站网址为

http://https: // regex101.com /

之前回顾

那么之前遗留的点，也算是对自己的查漏补缺了，.*?就可以让我们匹配不重复出现的所有内容

在使用（）选定，我们所要获取图片SRC的内容就完成了

        # 使用通用爬虫对整张页面进行爬取

        page_text = requests.get(url=new_url, headers=headers).text


        # 使用聚焦爬虫对页面中所有图片进行爬取

        ex = '<div class="imageWarp"><img class="left lazy".*? data-original="(.*?)"'

        img_src_list = re.findall(ex, page_text, re.S)

        print(img_src_list)

findall函数

在字符串中找到正则表达式所匹配的所有子串，并返回一个列表，如果有多个匹配模式，则返回元组列表，如果没有找到匹配的，则返回空列表。

正则表达式修饰符

修饰符	描述
re.S	使 . 匹配包括换行在内的所有字符