Python-网络爬虫之正则表达

一、正则表达
在使用bs4等类库进行过滤时，如果面对比较复杂的子串要求（如找到邮箱格式的文本内容时），使用正则表达往往十分有效
正则表达式，其实就是用一套规则去方便快捷的表达某一特定的文本格式
常用符号：

符号	含义	例子	匹配结果
*	匹配前面内容0或多次	a*b*	aaa,bbb,ab
+	匹配前面内容至少1次	a+b+	ab,aabb
[]	匹配任意一个字符	[A-Z]*	ABC,APPLE
()	表达式编组（正则表达式内会优先运行）	(a*b)*	ab,aabb
{m,n}	匹配前面内容m到n次	a{2,3}	aa,aaa
[^]	匹配任意一个不在中括号的字符	[^A-Z]*	app,abc
()	表达式编组（正则表达式内会优先运行）	(a*b)*	ab,aabb
|	匹配 | 分开的任意一部分内容	a|b	a,b
.	匹配任意单个个字符（符号、数字、字母）	[A-Z]*	ABC,APPLE
^	指字符串开始位置	^a	abc,apple
\	转义符，将特殊字符转为字面形式	\.	.
$	指字符结束位置	b$	ab,Bob
?!	“不包含”，为了表示字符串从头到尾没有某些内容，常配合^和$使用	^(?![A-Z])$	ab,bob

---

二、Lambda
Lambda表达式本质是一个函数，并且可用做其它函数的变量使用
即f(g(x)，y)或f(g(x)，g(y))的形式，使用形如：

findAll(lambda tag:len(tag.attrs)==2)

上式可以找到有两个属性的标签