正则表达式知识（聚焦爬虫需要用到）

1.概念:
正则表达式:又称’规则表达式’,通常被用来检索、替换等符合某个模式(规则)的文本.
正则表达式是对字符串此操作的一种逻辑公式,就是用事先定义好的一些特定字符以及这些特定字符的组合,组成一个规则的字符串
这个规则的字符串表达出对字符串的一种过滤逻辑

2.使用正则表达式,我们可以达到:

1.给定的字符串是否符合正则表达式的过滤逻辑
2.通过正则表达式,从文本中获取我们想要的内容

3.正则表达式的规则构成:普通字符+元字符(有特殊含义的字符)

4.元字符:

1.匹配边界:
    ^ : 匹配行首  例如:^a   字符串第一位必须是a
    $ : 匹配行尾  例如:a$   字符串最后一位必须是a
2.各种字符的表达式:
    [a-z]  匹配任意一个a-z之间的字母
    [0-9]  匹配任意一个0-9之间的数字
    [aop]  匹配任意一个a或o或p
    [^123abc]  匹配除了1,2,3,a,b,c以外的任意一个字符
    ^[123abc]  匹配以1,2,3,a,b,c其中任意一个开头的字符
    .  匹配除换行以外(\n)的任意一个字符
    \b  匹配单词的开始和结束
    \B  匹配不是单词的开始和结束
    \d  匹配数字 相当于[0-9]
    \D  匹配非数字  相当于[^0-9]
    \w  匹配数字、字母和下划线  相当于[a-zA-Z0-9]
    \W  匹配任意非数字、字母和下划线  相当于[^a-zA-Z0-9]
    \s  匹配任意空白字符(e.g.换行、制表符、空格等)
    \S  匹配任意非空白字符
3.重复次数:
    ? : 重复匹配前一个字符0次或一次  --->  匹配最多一次  a?
    + : 重复匹配前一个字符一次或更多次  --->  匹配至少一次
    * : 重复匹配前一个字符无限次  --->  匹配0次或无限次
    {n} : 重复匹配前一个字符n次  --->  只能匹配n次  a{2} 匹配两个a
    {n,} : 重复匹配前一个字符至少n次  --->  匹配n次到无限次 [n,∞)
    {n,m} : 重复匹配前一个字符最少n次,最多m次  --->  [n,m]