正则表达式（爬虫用）

正则符号

符号	意义
^	开头
.	任意字符，除了换行符。要匹配包括 ‘\n’ 在内的任何字符，请使用象 ‘[.\n]’ 的模式。
*	任意多次
+	一次以上
？	非贪婪匹配，左边起第一个（匹配到就停）
[ ]	表示集合全判定为符号 ，[^1]表示不从集合里取
{}	[1]表示出现一次，[1,]一次以上，[1,3]一次三次之间
|	或运算
$	结尾
（）	子字符串提取，语法为：匹配结果.group(1)，数字是从外向内算
\s	匹配任意空白字符，等价于 [\t\n\r\f].
\S	匹配任意非空字符
\d	匹配任意数字，等价于 [0-9].
\D	匹配任意非数字
\G	匹配最后匹配完成的位置。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er\b’ 可以匹配"never" 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。
\B	匹配非单词边界。‘er\B’ 能匹配 “verb” 中的 ‘er’，但不能匹配 “never” 中的 ‘er’。
\n, \t, 等.	匹配一个换行符。匹配一个制表符。等
/w	[a-zA-Z0-9_]
\d	[0-9]
\A	匹配字符串开始
\Z	匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串。
\z	匹配字符串结束

对应问题的解决

中文（范围）	[\u4E00-\u9FA5]
Study in 清华大学	.*？（[\u4E00-\u9FA5]+大学）
b开头，中间无数，3结尾	^B .* 3$
从左到右提取2001年	？（\d+）年
只提取2001年	（\d{4}）年

具体详解可以参考：

https://www.cnblogs.com/edwardsun/p/4421773.html

例-菜鸟验证链接

匹配一个字符串，满足以下要求的会被匹配	匹配的正则
由26个大写英文字母组成的字符串	^.*[A-Z].*$
由26个小写英文字母组成的字符串	^.*[a-z].*$
数字	.*\d.*
字符	.*\w.*
N位以上	.{n,}
不包括连续重复的四位的字符串	^(?:(?!(.)*(.)\2{3}(.)*).)+$