正则表达式的基本用法

#正则表达式用于匹配一类具有相同规则的字符串，对于网页结构多变的有奇效
#规则：
#   单字符：
#   . ：除换行以外所有字符
#   [] ：匹配集合中任意一个字母
#   \   :转义
#   \d ：数字 [0-9]
#   \D ：非数字
#   \w ：数字、字母、下划线、中文
#   \W ：非\w
#   \s ：所有的空白字符
#   \S ：非空白
#   数量修饰：
#   *  ：任意多次，可以为0次
#   +   ：至少一次
#   ?   ：0次或1次
#   {m} ：固定m次
#   {m,}    ：至少m次
#   {m,m}   ：m-n次
#   边界：
#   \b \B
#   $   ：以某某结尾
#   ^   ：以某某开头
#   分组：
#   ()  ：视为一个整体；组模式 \1  \2
# 例：
import re
string = '<p><div><span>猪八戒</span></div></p>'
pattern = re.compile(r'<(\w+)><(\w+)>\w+</\2></\1>')
ret = pattern.search(string)
#print(ret)
#以上是使<div>与</div>相互匹配
#   贪婪模式：
#    .*? .+?,加个问号，就会取消贪婪模式，使匹配的字数变少
# re.I ：忽略大小写
# re.M ：多行匹配
# re.S ：单行匹配，可以匹配换行符
#例：
#string = '''hate is a beautiful feeling
#love you very much
#love she
#love her'''
#string2 = '''<div>沁园春-雪
#北国风光
#千里冰封
#万里雪飘
#望长城内外
#惟余莽莽
#</div></div>'''
#pattern = re.compile(r'^love',re.M)
#pattern = re.compile(r'<(\w+)>(.*?)</\1>',re.S)
#ret = pattern.findall(string2)
#print(ret)
#\w+无法匹配换行符
#有换行符时要re.S来设置单行模式，就可以匹配换行符
#match只从开始位置找，search从任意位置找，findall查找所有字符
#re.sub(正则表达式,替换内容,字符串)，用于正则替换，例如：
#string = 'i love you, you love me, ye'
#pattern = re.compile(r'love')
#ret = re.sub(r'love','hate',string)
#ret = pattern.sub('hate',string)
#print(ret)
#我们也可以在替换内容那里用函数来实现
def fn(a):
    ret = int(a.group())
    #group()表示的是正则匹配的结果
    return str(ret - 5)
string = '我喜欢身高为175的女孩'
pattern = re.compile(r'\d+')
ret = pattern.sub(fn, string)
print(ret)

（1）正则表达式一个更行之有效的办法是直接把那部分网页给截出来，然后把自己要的部分变成(.*?)，去掉其他的一些东东，变成.*?，然后就可以提取了
（2）注意有换行符时要用单行模式：re.S