07. 數(shù)據(jù)提取-正則表達(dá)式
在前面我們已經(jīng)搞定了怎樣獲取頁(yè)面的內(nèi)容，不過(guò)還差一步，這么多雜亂的代碼夾雜文字我們?cè)鯓影阉崛〕鰜?lái)整理呢？下面就開(kāi)始介紹一個(gè)十分強(qiáng)大的工具，正則表達(dá)式！
正則表達(dá)式是用來(lái)匹配字符串非常強(qiáng)大的工具，在其他編程語(yǔ)言中同樣有正則表達(dá)式的概念，Python同樣不例外，利用了正則表達(dá)式，我們想要從返回的頁(yè)面內(nèi)容提取出我們想要的內(nèi)容就易如反掌了
規(guī)則：
模式描述
^匹配字符串的開(kāi)頭
$匹配字符串的末尾
.?匹配任意字符，除了換行符，當(dāng)re.DOTALL標(biāo)記被指定時(shí)，則可以匹配包括換行符的任意字符
[...]用來(lái)表示一組字符,單獨(dú)列出：[amk] 匹配 'a'，'m'或'k
[^...]不在[]中的字符：abc 匹配除了a,b,c之外的字符
re*匹配0個(gè)或多個(gè)的表達(dá)式re+匹配1個(gè)或多個(gè)的表達(dá)式re?匹配0個(gè)或1個(gè)由前面的正則表達(dá)式定義的片段，非貪婪方式
re{ n}
re{ n,}精確匹配n個(gè)前面表達(dá)式
re{ n, m}匹配 n 到 m 次由前面的正則表達(dá)式定義的片段，貪婪方式
a? ?b
(re)G匹配括號(hào)內(nèi)的表達(dá)式，也表示一個(gè)組
(?imx)正則表達(dá)式包含三種可選標(biāo)志：i, m, 或 x 。只影響括號(hào)中的區(qū)域
(?-imx)正則表達(dá)式關(guān)閉 i, m, 或 x 可選標(biāo)志。只影響括號(hào)中的區(qū)域
(?: re)類似 (...), 但是不表示一個(gè)組
(?imx: re)在括號(hào)中使用i, m, 或 x 可選標(biāo)志
(?-imx: re)在括號(hào)中不使用i, m, 或 x 可選標(biāo)志
(?#...)注釋
(?= re)前向肯定界定符。如果所含正則表達(dá)式，以 ... 表示，在當(dāng)前位置成功匹配時(shí)成功，否則失敗。但一旦所含表達(dá)式已經(jīng)嘗試，匹配引擎根本沒(méi)有提高；模式的剩余部分還要嘗試界定符的右邊。
(?! re)前向否定界定符。與肯定界定符相反；當(dāng)所含表達(dá)式不能在字符串當(dāng)前位置匹配時(shí)成功(?> re)匹配的獨(dú)立模式，省去回溯
\w匹配字母數(shù)字及下劃線
\W匹配非字母數(shù)字及下劃線\s匹配任意空白字符，等價(jià)于?
[\t\n\r\f].
\S匹配任意非空字符
\d匹配任意數(shù)字，等價(jià)于 [0-9]
\D匹配任意非數(shù)字
\A匹配字符串開(kāi)始
\Z匹配字符串結(jié)束，如果是存在換行，只匹配到換行前的結(jié)束字符串。c
\z匹配字符串結(jié)束
\G匹配最后匹配完成的位置
\b匹配一個(gè)單詞邊界，也就是指單詞和空格間的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'
\B匹配非單詞邊界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'
\n, \t, 等.匹配一個(gè)換行符。匹配一個(gè)制表符。等
\1...\9匹配第n個(gè)分組的內(nèi)容
\10匹配第n個(gè)分組的內(nèi)容，如果它經(jīng)匹配。否則指的是八進(jìn)制字符碼的表達(dá)式
[\u4e00-\u9fa5]中文
2. 正則表達(dá)式相關(guān)注解
2.1 數(shù)量詞的貪婪模式與非貪婪模式
正則表達(dá)式通常用于在文本中查找匹配的字符串Python里數(shù)量詞默認(rèn)是貪婪的（在少數(shù)語(yǔ)言里也可能是默認(rèn)非貪婪），總是嘗試匹配盡可能多的字符；非貪婪的則相反，總是嘗試匹配盡可能少的字符
例如：正則表達(dá)式”ab”如果用于查找”abbbc”，將找到”abbb”。而如果使用非貪婪的數(shù)量詞”ab?”，將找到”a”
2.2 常用方法
re.match
re.match 嘗試從字符串的起始位置匹配一個(gè)模式，如果不是起始位置匹配成功的話，match()就返回none
函數(shù)語(yǔ)法：re.match(pattern, string, flags=0)
re.search
re.search 掃描整個(gè)字符串并返回第一個(gè)成功的匹配。
函數(shù)語(yǔ)法：re.search(pattern, string, flags=0)
re.sub
re.sub 替換字符串re.sub(pattern,replace,string)
re.findall
re.findall 查找全部re.findall(pattern,string,flags=0)
3. 正則表達(dá)式修飾符 - 可選標(biāo)志
正則表達(dá)式可以包含一些可選標(biāo)志修飾符來(lái)控制匹配的模式。修飾符被指定為一個(gè)可選的標(biāo)志。多個(gè)標(biāo)志可以通過(guò)按位 OR(|) 它們來(lái)指定。如 re.I | re.M 被設(shè)置成 I 和 M 標(biāo)志：
修飾符描述re.I使匹配對(duì)大小寫(xiě)不敏感re.L做本地化識(shí)別（locale-aware）匹配re.Mre.S使 . 匹配包括換行在內(nèi)的所有字符re.U根據(jù)Unicode字符集解析字符。這個(gè)標(biāo)志影響 \w, \W, \b, \Bre.X
