正则表达式解析网页: 正则表达式就是对字符串进行操作的逻辑公式,可以把网页源码变成字符串，再用正则表达式对其进行提取 . *

匹配除了换行符外的任意字符 匹配前一个字符0或多次

+	                              ?复制代码

匹配前一个字符1或多次 匹配前一个字符0或1次

^   	                              $ 匹配字符串开头	                    匹配字符串结尾            \s	                             \S  匹配空白字符	                 匹配任意非空白字符复制代码

匹配数字	                     匹配任何非数字           \w	                             \W  匹配字母和数字	                 匹配任何非字母和数字            []	                               ()      一组字符	                            表达式复制代码

模块 re re.match代表从字符串起始进行匹配，无法匹配则为None re.match的使用方法是：re.match(pattern,string,flags=0)，pattern是正则表达式，string是字符串 flags是标志位，用于控制正则表达式的匹配方式，如：是否区分大小写，多行匹配等等 可以使用group(num) 或 groups() 匹配对象函数来获取匹配表达式。 .group(num=0）：匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。 .groups() 返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。 re.search 扫描整个字符串并返回第一个成功的匹配。 （re.match只匹配字符串的开始，如果字符串开始不符合正则表达式，则匹配失败，函数返回None； 而re.search匹配整个字符串，直到找到一个匹配。） re.findall可以找到所有的匹配

例子与解释：

import re

test=re.match('www','www.baidu.com')

print('result:',test)

print('begin and end tuple:',test.span())

print('begin:',test.start())

print('end:',test.end()) 结果： result: <re.Match object; span=(0, 3), match='www'> begin and end tuple:(0, 3) begin:0 end:3

import re

pattern='Cats are smarter than dogs'

test=re.match(r'(.) are (.?) dogs',pattern)

print('the whole sentence:',test.group(0))

print('the first result:',test.group(1))

print('the second result:',test.group(2))

print('a tuple for result:',test.groups()) 结果： the whole sentence: Cats are smarter than dogs

the first result: Cats

the second result: smarter than

a tuple for result: ('Cats', 'smarter than')

r表示字符串为非转义的原始字符串，让编译器忽略反斜杠 (.) 第一个匹配分组，.代表匹配除换行符之外的所有字符 (.?)第二个匹配分组，.?后面多个问号，代表非贪婪模式，也就是说只匹配符合条件的最少字符 group() 等同于 group(0)，表示匹配到的完整文本字符 group(1) 得到第一组匹配结果，也就是(.)匹配到的 group(2) 得到第二组匹配结果，也就是(.?)匹配到的 groups()得到所有匹配结果

import re link='www.baidu.com www.baidu,com' print(re.findall('www',link)) ['www', 'www']