正则表达式是处理字符串的强大工具，它有自己特定的语法构造， 有了它， 实现字符串的检索、更换、匹配验证都不在话下。
当然， 对付爬虫来说， 有了它， 从HTML里面提取想要的信息就非常方便了 。
2、数量词
举例：
(1) a | b 如abc|def，匹配abc或者def(2) (...) 作为分组, 表达式为(\d{4})-(\d{2})-(\d{2})，则用于匹配2017-06-03，然后用分组编号1、2、3分别获取年、月、日三个值(3) (?P<name>...) 和 (?P=name)如表达式为(?P<Year>\d{4})(?P=Year) 则两个括号里面匹配的内容完备相同，为\d{4}(4) \number (?P<Year>\d{4})\1 \1表示此处和第一个分组匹配的内容完备相同，为\d{4}(5) (?:...) (?:\d+) | "abc" 表示匹配\d+ 或者"abc" ，但第一个括号不计入分组
举例：
(1) a | b 如abc|def，匹配abc或者def(2) (...) 作为分组, 表达式为(\d{4})-(\d{2})-(\d{2})，则用于匹配2017-06-03，然后用分组编号1、2、3分别获取年、月、日三个值(3) (?P<name>...) 和 (?P=name)如表达式为(?P<Year>\d{4})(?P=Year) 则两个括号里面匹配的内容完备相同，为\d{4}(4) \number (?P<Year>\d{4})\1 \1表示此处和第一个分组匹配的内容完备相同，为\d{4}(5) (?:...) (?:\d+) | "abc" 表示匹配\d+ 或者"abc" ，但第一个括号不计入分组
(1) 贪婪与非贪婪
不加?表示贪婪匹配，如"aaa111bbbccc111" ，表达式".+\d+" 会匹配全体字符串；
加？，即".+？\d+"会匹配到"aaa111"
(2) 润色符
会不才方所讲的函数中利用，
把稳：
我们编写的代码都是Unicode字符集，以是\w就会匹配中文汉字，然而我们上面讲的\w匹配字母、数字及下划线。有的人会认为抵牾，实在不抵牾的，中文在Unicode内部表示都是字母或汉字。以是如果我们只想匹配英笔墨母、不匹配汉字，就须要加上re.A.
5、re模块常用函数
(1) re.match(pattern,string,flags=0)
根据pattern从string的头部开始匹配字符串，只返回第1次匹配成功的工具，否则，返回None。flags便是上面讲的润色符
r = re.match(r'Python', "Python:Java:C")
r是一个re.Match工具，若要拿到内容须要：
r.group()或r.group(0)
(2) re.search(pattern,string,flags=0)
与match()方法用法相同，唯一的差异是他可以从字符的任意位置开始匹配，一旦符合就返回
re.match(r"Python", "Java:C:Python"). 会返回None，由于该字符串一开始是“Java”
re.search(r"Python", "Java:C:Python"). 匹配成功
(3) re.findall(pattern,string,flags=0)
根据pattern在string中匹配字符串。如果匹配成功，返回包含匹配结果的列表，否则，返回空列表。但是pattern中有分组时，返回包含多个元组的列表，每个元组对应一个分组。
s='Python:Java:C'
re.findall("\w+", s). # 返回 ['Python', 'Java', 'C']
(4) re.split(pattern,string,maxsplit=0)
类似字符串的split()函数，差异是可以根据正则表达式来切分。根据pattern分隔string,maxsplit表示最大分隔数。
s='Python:Java:C'
re.split(r"\w+", s). # 返回 ['Python', 'Java', 'C']
(5) re.sub(pattern,repl,string,count=0)
类似字符串的replace函数。
根据指定的正则表达式，更换字符串中的子串。pattern是一个正则表达式，repl是用于更换的字符串,string是源字符串,如果count为0，则返回string中匹配的所有结果。如果count>0,则返回前count个匹配结果。
s='Python:Java:C'
re.sub(r'\w+', 'php', s) # 返回 “php:php:php”
(6) re.compile(pattern,flags=0)
编译正则表达式pattern,返回一个pattern工具。
之后我们可以用pattern工具调用上方所讲的5种方法。
p = re.compile(r"\w+")
p.findall('Python:Java:C'). # 返回 ['Python', 'Java', 'C']
