Python网络爬虫-正则表达式

     之所以称之为正则表达式，是因为它们可以识别正则字符串（regular string），也就是说，它们可以这样定义：”如果你给我的字符串符合规则，我就返回它”，或者是“如果字符串不符合规则，我就忽略它”。这要求快速浏览大文档，以查找像电话号码和邮箱之类的字符串是非常方便的。

     注意这里我用了一个词组正则字符串，什么是正则字符串？其实就是任意可以用一系列线性规则构成的字符串，就像：

（1）字母“a”至少出现一次；

（2）后面跟着字母“b”重复5次

（3）后面再跟着字母“c”重复任意偶数次

（4）最后一位是字母“d”，也可以没有

     满足上述规则的字符串有“aaaaabbbbbccccd”,"aabbbbbcc"等（有无穷多的变化）

正则表达式就是这组规则的缩写。这组规则的正则表达式如下：

aa*bbbbb(cc)*(d | )

  第一次见到这个字符串时会感觉难以理解，但是当我们将其分解之后就会很清楚了：

 aa*

    a后面跟着的a*（读作a星）表示“重复任意次a，包括0次”。这样就可以保证字母a至少出现一次。

bbbbb

     这没有什么特别的，就是5次b

(cc)*

     任意偶数个字符都可以编组，这个规则使用括号两个c，然后后面跟一个星号，表示有任意次两个c（也可以是0次）

(d | )

      增加一个竖线&#