python爬虫之正则表达式抓取网页内部内容（抓取糗事百科段子案例）

正则表达式

安装正则表达式库：
pip install re

再杂乱的页面中提取出我们想要的文字，这里我们来使用正则表达式。

正则表达式是用来匹配字符串非常强大的工具，再其他编程语言中同样具有正则表达式的概念，利用正则表达式，我们可以非常简单的提取去我们想要的内容。

正则表达式的规则附后：正则语法下载地址
#提取中文：[\u4e00-\u9fa5]
#(.+) 提取的内容
#\s* 多个换行

案例抓取内容如下（含源码）：

一、相关解释

正则表达式的贪婪模式与非贪婪模式

例如：正则表达式”ab*" 如果用与查找"abbbc"，将找到“abbb”，而如果使用非贪婪的数量词“ab*?"，将找到”a".

常用的方法与案例

1.match()

import re
str = "I Study Python3.8 Everyday"

获取I：

m = re.match(r'I',str)  #前面表达式，后面字符串
m.group()

m = re.match(r'\w',str)
m.group()

m = re.match(r'.',str)
m.group()

m = re.match(r'i',str,re.I) #不区分大小写
m.group