正则表达式与python re模块 （持续补充中...）

（一）正则表达式

      Regular Expression,正则表达式，一种使用表达式的方式对字符串进行匹配的语法规则。正则表达式在信息校验，爬虫等方面应用较多。

      优点：速度快，效率高，准确性高
      缺点：不好理解

常用元字符与量词：

   	 .      	匹配除换行意外的任意字符
  	 \w     	匹配字母或数字或下划线
  	 \s     	匹配任意空白字符
   	 \d     	匹配数字
   	 \n			匹配一个换行符
     \t			匹配一个制表符

   	 ^			匹配字符串开始
   	 $			匹配字符串结尾
 	
   	 \W    		匹配非字母或数字或下划线
   	 \D			匹配非数字
   	 \S			匹配非空白符
   	 a|b		匹配字符a或字符b
  	（）		匹配括号内的表达式，也表示一个组
   	[...]       匹配字符组中的字符
   	[^...]		匹配除了字符组中字符外的所有字符

      *			重复零次或更多次
	  +			重复一次或更多次
      ?			重复零次次或一次
      {n}		重复n次
	  {n,}		重复n次或更多次
	  {n,m}		重复n到m次

	  .*			贪婪匹配
      .*?			惰性匹配
      (?=.*[A-Z]) ：必须包含大写字母一个

举例：
str ：我的电话是10086，tom的电话是10001
reg：\d+
结果：
10086
10001

str ：你今晚玩什么游戏，我想玩策略类游戏或者休闲小游戏。
reg ：玩 .*? 游戏
结果： 玩什么游戏

str ：你今晚玩什么游戏，我想玩策略类游戏或者休闲小游戏。
reg ：玩 .* 游戏
结果： 玩什么游戏，我想玩策略类游戏或者休闲小游戏

（二）python re模块

1、findall查找所有，返回list

2、search会进行匹配，但是如果匹配了第一个结果，就会返回这个结果。如果匹配不上就会返回None

3、match只能从字符串开头进行匹配

4、finditer和findall差不多，只不过它返回的是迭代器对象

      在爬虫时，我们经常需要匹配html，下面举个简单例子：

<div class='(.*?)'><span id='(.*?)'>(.*?)</span></div>

     正则表达式为如上方式时，发现把整个标签都匹配下来，要是想得到class或者id亦或是标签中的内容时，正则表达怎么写呢？正则表达式可以改为如下方式：

（？P<分组名字>正则） 可以单独从正则匹配的内容中提取到内容

<div class='(?P<random_name1>.*?)'><span id='(?P<random_name2>.*?)'>(?P<random_name3>.*?)</span></div>

举一个豆瓣电影top榜的例子：
     先给出代码和正则表达式

// 正则表达
obj = re.compile(r'<li>.*?<img width="100" alt="(?P<movie_name>.*?)".*?</li>', re.S)

     我们在根据网页源代码提前需要的内容时，一般都可以使用 .*? 匹配掉不需要的内容，知道出现我们需要的内容。