一、正则表达式
#python网络爬虫
#通用网络爬虫(没有目的,爬去所有的URL) 聚焦网络爬虫(过滤无关的链接)
#python数据分析与挖掘实战的正则表达式
#正则表达式 世界上信息非常多,而我们关注的信息有限。假如我们希望只提取出关注数据,此时可以通过一些表达式进行提取,正则表达式就是其中一种进行数据筛选的表达式。
#原子
#原子是正则表达式中最基本的组成单位,每个正则表达式中至少要包含一个原子。
#常见的原子类型有:普通字符作为原子,非打印字符作为原子,通用字符作为原子,原子表
import re
pat="yue" #普通字符作为原子
string="http://yum.iqianyue.com"
rst=re.search(pat,string)
print(rst)
pat1="\n" #\n \t #非打印字符作为原子
string1='''dsfjsdjf
sdfsdfsdfsdf'''
rst1=re.search(pat1,string1)
print(rst1)
pat2="\w\dpython\w"
#\w 通用字符,匹配任意字母,数字,下划线
#\d 匹配任意一个十进制数 #\S 除了十进制数的任意
#|s 匹配空白字符