2020-12-05

第十五章Python网络爬虫
一、正则表达式：是字符串处理的有力工具，比字符串自身提供的方法提供了更强大的处理功能。
二、正则表达式由元字符及其不同组合来构成，通过巧妙地构造正则表达式可以匹配任意字符串，并完成查找、替换、分隔等复杂的字符串处理任务。
三、元字符：






四、re模块
1.re.match函数：re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回None。

2.匹配成功re.match方法返回一个匹配的对象，使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。

3.re.search方法：re.search 扫描整个字符串并返回第一个成功的匹配

4.re.match与re.search的区别：
（1）re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None
（2）re.search匹配整个字符串，直到找到一个匹配。
5.compile 函数：compile 函数用于编译正则表达式，生成一个正则表达式（ Pattern ）对象，供 match() 和 search() 这两个函数使用。
6.findall：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，如果没有找到匹配的，则返回空列表。
注意： match 和 search 是匹配一次 findall 匹配所有。
7.re.finditer：在字符串中找到正则表达式所匹配的所有子串，并把它们作为一个迭代器返回
8.re.split：split 方法按照能够匹配的子串将字符串分割后返回列表
9.re.sub：sub(pattern, repl, string, count=0, flags=0)替换函数，将正则表达式 pattern 匹配到的字符串替换为 repl 指定的字符串, 参数 count 用于指定最大替换次数
10.贪婪 vs 不贪婪：当重复一个正则表达式时，如用 a*，操作结果是尽可能多地匹配模式， .* 的本质是“贪婪”的。