py爬虫自学入门__5(正则表达式)

# 一、 正则表达式定义：是对字符串操作的一种逻辑公式，就是用事先定义好的一些特殊字符、及这些特定字符的组合，组成一                                          个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。（python 的 re 模块实现）

# 二、常见匹配模式

#          注：常用正则表达式大全：http://www.cnblogs.com/zxin/archive/2013/01/26/2877765.html

#                 在线检测正则表达式：http://tool.oschina.net/regex

# 三、re.match

#    1> 基本用法：re.match 尝试从字符串的起始位置匹配一个模式，如果不是起始位置匹配成功的话，match()就返回none

#                            re.match(pattern, string, flags=0)，pattern是正则表达式，string是需要匹配的字符串， flags标志位，用于控

#                            制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等。

#             注：1.string与pattern完全相同,成功匹配

#                     2.string虽然多出一个字母，但pattern匹配完成时，匹配成功，后面的字符不再匹配。

#                     3.string匹配到最后一个字母时，发现仍然无法完全匹配，匹配失败

#

#    2> 最常规的匹配

#         result.group()  显示匹配后的结果      result.span()  显示从开始匹配到的字符数

#

#    3> 泛匹配

#        只要匹配对开头和结尾就可以

#

#    4> 匹配目标

#         正则表达式有小括号时，会匹配小括号内的内容为一组，用group(1)输出，可以有n个，即group(n)

#

#    5> 贪婪匹配

#          .* 会匹配尽可能多的字符，小括号内的表示至少匹配一个

#

#    6> 非贪婪匹配

#        .* 后面加？  表示碰到后面小括号内的立即开始匹配

#

#    7> 匹配模式（re.S）

#

#    8> 转义

#          碰到特殊字符  .  *  $  ^  之类的，可以用\进行匹配

#

#    9> 总结

#         尽量使用泛匹配，使用括号得到匹配目标，尽量使用非贪婪模式、有换行符就用re.S

#

# 四、re.search

#    1> 基本用法：re.search 扫描整个字符串并返回第一个成功匹配的目标

#

#           注：能用re.search 就不用 re.match

#    2> 例子：

#

#

# 五、 re.findall

#    1> 基本用法：搜索字符串，以列表形式返回所有能匹配的字符串

#    2> 例子：

#

#

#

#

# 六、 re.sub

#    1> 基本用法：替换字符串中每一个匹配到的子串后返回替换后的字符串

#    2> 例子：

#

#

#

#

#

#

# 七、re.compile

#    1> 基本用法：将正则字符串编译成正则表达式对象，以便于复用该匹配模式

#

#

# 八、实战训练

#

#         不知道为什么，运行就卡住了。

#         之后只匹配TRL和 title 也不行。