正则表达式

正则表达式使用规则：
非打印字符
+号代表前面的字符至少出现一次。
*号代表前面的字符至少出现0次。
？号代表前面的字号最多出现一次。
\f 匹配一个翻页符
\n 匹配一个换行符
\r 匹配一个回车符
\s 匹配任何空白字符，包括空格、制表符、换页符等等。
\S 匹配任何非空白字符
\t 匹配制表符
\v 匹配垂直制表符

特殊字符
$匹配字符串的结尾位置
（）标记子表达式的开始和结束位置
* 匹配子表达式0次或者多次
. 匹配换行符外的任何字符
\将下一个字符标记为特殊字符

限定字符
用来指定正则表达式的一个给定组件必须要出现多少次才能满足匹配
{n} 匹配确定的n次
{n,}至少匹配n次
{n,m}至少匹配n次最多匹配m次

定位符
^开始 $结尾 \b匹配字与空格间的位置
\b 字符的位置是非常重要的。如果它位于要匹配的字符串的开始，它在单词的开始处查找匹配项。如果它位于字符串的结尾，它在单词的结尾处查找匹配项

实例测试举例：

第一例：

str = "Is is the cost of of gasoline going up up";
var patt1 = xxx;
document.write(str.match(patt1));

xxx = /\b([g][a-z]+)/g匹配所有g开头的单词，最后面的g代表尽可能多的匹配
/\b([a-z]+) \1\b/ig匹配所有重复项，最后的i代表不区分大小写。\1代表前面第一个子匹配项

第二例url：

var str = "http://www.runoob.com:80/html/html-tutorial.html";

分割：

var patt1 = /(\w+):\/\/([^/:]+)(:\d*)?([^# ]*)/;
/          开始
(\w+):\/\/       \w 匹配字母或数字或下划线或汉字 \d 匹配数字 代表匹配任何字符加 ://
([^/:]+)        ^在[]中表示不接受/:字符的集合，也就是冒号之前的内容匹配1至多次，这里是到80之前的内容
(:\d*)?         匹配冒号 + 数字0次或者多次        ？代表非贪婪匹配，尽可能满足条件而且短所以输出    ：80
([^# ]*)       匹配没有#字符的全部内容 最后就是 /html/html-tutorial.html

爬虫爬取数据的过程中，我们使用re_set = re.compile（xxx）来返回一个需要搜寻的re_set对象。xxx中为正则表达式。符号可以直接打出，选定内容用(.*?)匹配出来。然后在使用re_get = re.findall(re_set,get_url.text)来找到所有的对象。