2.爬虫-正则表达式

正则表达式在线测试工具：http://tool.oschina.net/regex/#

常见匹配模式：

正则：

常规匹配：

泛匹配 . *：

匹配目标：

group(n)：第n个用小括号括起来的

贪婪匹配：

可以看到group(1)只匹配到了‘7’一个数字，因为.*会尽可能多的匹配字符，所以称为贪婪模式匹配

非贪婪匹配：

这次group(1)匹配到了‘1234567’，为什么呢，？指定匹配模式为非贪婪模式，会尽可能匹配少的字符。

匹配模式：

为什么结果时None呢？因为This后面有个换行符，而.*不能匹配换行符。但是当我们指定匹配模式，就可以匹配到换行符了。

转义：

匹配特殊字符是需要使用\进行转义

总结:尽量使用泛匹配、使用括号得到匹配目标、尽量使用非贪婪模式、有换行符就用re.S。

如图，同样的字符串，同样的正则表达式，re.match匹配不出结果，因为re.match是从字符串的起始位置开始匹配的。

总结：为了方便，能用re.search就不用re.match。

匹配练习：

目的 匹配齐秦，往事随风。

匹配任贤齐 沧海一声笑

去掉匹配模式re.S查看一下匹配到了什么

匹配所有含有超链接的内容：

匹配所有歌名：

把数字替换成‘替换’两个字

替换的同时保存原字符串本身，\1 代表group(1)

使用sub和findall结合匹配所有歌名：