【python笔记002】：字符串、正则表达式和爬虫基本库urllib、requests操作

第一章 字符串和正则表达式

第一节 字符串有关知识

1. 字符串类型：str类型：unicode的呈现类型；bytes类型：互联网数据都是二进制方式传输的；
2. 字符集概念：ascii、gb2312、gb18030,unicode主要分别对应（英语、汉语、繁体）；
3. 字符集特点：上述字符集都是定长字符集，ascii为1个字节，unicode2个字节；
4. utf-8字符集：unicode实现方式之一，为变长编码，基本消灭各自为战的字符集形势；
5. str和bytes转换：encode（）是str类型转bytes类型；decode（）是bytes转str；
6. decode参数：decode（“utf-8”）、decode（“utf8”）、decode（“UTF_8”)皆可；
7. 注意事项：编解码必须一一对应；有些中文是gbk编码类型，要注意；

第二节 正则表达式

概述：re内置模块，match方法，参数：正则，字符串；返回值的group方法提取；

（一）单个字符匹配

1. 数字："\d"等价1位数字；[123456]等价1-6；[1-6],[1-356-9]，代表连续不连续；
2. 数字、字母：[1-8a-zA-Z]

（二）匹配多个字符

1.多个字符
2. 符号？的应用场景，比如电话号码的“-”，
3. re.S参数思考，“”“jgjgjg”“”，可以换行，内容可打印；4. 匹配开头结尾：
5. 实例：

（三）转义、或字符

1. 分组和转义字符

2. 转义字符\：如果email当中的"."、"?“等与正则冲突的字符，”"反斜杠充当转义字符；

   例如：re.match(r"[a-zA-Z0-9_]{4,20}@163.com$",email)

3. 或字符|：re.match(r"[a-zA-Z0-9_]{4,20}@(163|126).com$",email)

4. 分组（）:

（四）python高级正则

1. search方法：只找一次；随意位置匹配 ret=re.search(r"\d+“，“阅读次数为9999”)；ret.group()；

2. findall方法：弥补search弱点，不用group,返回列表；

3. sub方法：替换后返回，不限制次数，

4. sub支持函数调用：
   

5. split方法：