Python网络爬虫（二）---用正则表达式获取指定内容

正则表达式

正则表达式，通常写成regex，是用于识别正则字符串的，返回符合规定的字符串，正则字符串是可以用一系列线性规则构成的字符串。例如列了以下规则：
1.开头是字母‘a’;
2.结尾是字母‘b’；
满足上面两个规则的字符串可以是“azxczxcb”,也可以使"agfgfgb"，满足的字符串可以有N多个，但字符串"bbb"就不满足，所以不会被匹配。
正则表达式包含了单个或多个“规则”，用各种符号字母来表示出来，以下是一些常用的正则表达式符号：

符号	含义	例子	匹配结果
*	匹配前面的字符，子表达式或者括号里的字符0次或多次	a * b *	aaaaaa,bbbb,aaabbb
+	匹配前面的字符，子表达式或者括号里的字符至少1次	a+b+	abbbb,ab,aaaab
[ ]	匹配中括号里的任意一个字符	[A-Z]	A,B,C
( )	表达式编组（括号中的会看成一个整体）	(ab)*	ab,abab
{m,n}	匹配前面的字符，子表达式或者括号里的字符m到n次	a{2,3}	aa,aaa
[^]	取反，即匹配任意一个不在中括号中的字符	[^A-z]	a,b
|	匹配任意一个用|分割的字符	a|b|c	a,b,c
.	匹配任意一个单个字符	a.c	abc,afc,agc
\	转义字符	\.\|\\	.|\
\d	匹配任何十进制数字(\D相当于\d的取反操作)	\d*	151213,123456
\w	匹配任何的字母数字字符(\W相当于\d的取反操作)	\w+	12asda,123ABC
\s	匹配任何空白字符空格，制表，回车（\S为\s的取反操作）	\s

以上是比较常见的正则表达式中的符号及其含义，当我们通过爬虫获取一个文本文件时，想要再从中选取需要的部分，就可以使用正则表达式来帮助我们选取。

match

import re
str="abcd123456   789efgABC000"
pattern="\w+"
obj